如何用2D索引数组提取3D NumPy数组值？或获取对应最小值数组？

1. 用2D索引数组提取3D数组对应值 #

你可以用广播索引或者np.take_along_axis实现，这两种方法没有np.choose的列数限制，且效率更高：

方法一：广播索引 #

先生成前两个维度的网格索引，再和indices组合完成索引：

import numpy as np

# 假设vals和indices已定义
rows, cols = np.indices(indices.shape)
extracted_vals = vals[rows, cols, indices]

rows和cols会自动广播为与indices同形状的数组，每个位置(i,j)都会精准提取vals[i,j,indices[i,j]]。

方法二：np.take_along_axis（更简洁） #

给indices增加一个维度匹配vals的axis=2，提取后压缩多余维度：

extracted_vals = np.take_along_axis(vals, indices[..., np.newaxis], axis=2).squeeze(axis=2)

indices[..., np.newaxis]将形状从(65,65)转为(65,65,1)，与vals前两个维度对齐，take_along_axis沿axis=2提取对应索引的值，最后squeeze去掉冗余维度得到(65,65)的结果。

2. 直接获取每个网格位置的最小值数组 #

直接对vals沿第三个维度（axis=2）取最小值即可：

min_vals = vals.min(axis=2)

该操作会遍历每个(i,j)位置的3500个值，返回对应最小值，结果形状为(65,65)。

补充：np.choose崩溃原因 #

np.choose对输入数组的维度有严格限制（旧版本中最多支持32个选择项），你将vals重塑为(3500,65,65)后，选择项数量远超限制，因此触发错误。上述两种索引方法无此限制，更适配大维度数组场景。

内容的提问来源于stack exchange，提问作者user243896