Numpy：从解包后的整数数组中提取指定比特位

这个问题我之前也碰到过，核心是要先搞清楚np.unpackbits之后数组的结构，再针对性地构造索引来提取每个原始整数对应的指定位。我来一步步给你拆解：

先明确数组结构 #

你用bit_ry = np.unpackbits(dgSlice_ry, axis=1, bitorder='little')把(3,50)的数组解包成了(3,400)，这里的结构是：

• 每一行的400列，是按顺序把原始50个uint8整数每个拆成8位，且因为bitorder='little'，每个整数拆出的8位是从bit0到bit7的顺序排列（比如原始整数是0b1010，拆出来就是[0,1,0,1,0,0,0,0]）
• 也就是说，第i个原始整数（i从0到49）对应的8位，在bit_ry里是第i*8到(i+1)*8 - 1列

两种可行的实现方法 #

方法1：Reshape + take_along_axis（直观易读）

这种方法先把解包后的数组重新塑形，让每个原始整数的8位成为一个独立的维度，再用mask提取对应位置：

import numpy as np

# 假设你的原始数据是这样的（示例）
dgSlice_ry = np.random.randint(0, 256, size=(3,50), dtype=np.uint8)
mask_ry = np.array([2, 6, 3, 7, 0, 2, 4, 3] + [0]*42)  # 示例mask

# 解包操作（你已经做过的）
bit_ry = np.unpackbits(dgSlice_ry, axis=1, bitorder='little')

# 1. 把(3,400)重塑为(3,50,8)，每个原始整数的8位单独成一个维度
bit_ry_reshaped = bit_ry.reshape(3, 50, 8)

# 2. 调整mask的形状，让它能和重塑后的数组广播匹配
#    把(50,)的mask变成(1,50,1)，这样可以覆盖3行的维度
indices = mask_ry.reshape(1, 50, 1)

# 3. 沿着第三个维度（8位的维度）提取对应位置的比特
result = np.take_along_axis(bit_ry_reshaped, indices, axis=2).squeeze(axis=2)
# squeeze是把结果从(3,50,1)变成(3,50)

方法2：直接构造列索引（更高效）

我们可以直接计算每个mask值对应的列索引，然后直接索引数组：

# 计算每个mask对应的列索引：第i个原始整数的第m位，对应bit_ry的列是i*8 + m
col_indices = np.arange(50) * 8 + mask_ry

# 直接按列索引提取，得到(3,50)的结果
result = bit_ry[:, col_indices]

为什么你原来的np.take不行？ #

你用np.take(bit_ry, mask_ry, axis=1)时，mask里的数值会被当成整个400列中的全局索引，比如mask里的2会直接取第2列，而不是每个8位块里的第2位。这就和你想要的“每个原始整数对应取指定位”的逻辑不匹配啦。

内容的提问来源于stack exchange，提问作者MarkMyWords