Matlab矩阵列访问特性对应的numpy数组索引实现咨询

numpy默认不支持Matlab这种自动将高维数组按列优先规则拍平后取列的索引方式，但可以通过简单的数组操作实现完全一致的访问效果。

核心规则差异 #

• Matlab默认采用列优先（Fortran顺序）存储数组，使用m(:,n)索引时会自动将高于2维的维度按列优先规则拍平为二维数组，再取对应列，且索引从1开始计数。
• Numpy默认采用行优先（C顺序）存储数组，直接写m[:,n]会直接索引数组的第二维度，不会自动合并更高维度，且索引从0开始计数。

实现方案 #

首先是你给出的示例数组初始化代码：

import numpy as np
m = np.array([[[1, 2],
            [3, 4]],

           [[5, 6],
            [7, 8]]])

方案1：临时转换实现单次索引 #

不需要修改原数组的结构和存储顺序，单次访问时直接通过指定reshape顺序实现：

# 对应Matlab m(:,1)，输出 [1 3]
print(m.reshape(m.shape[0], -1, order='F')[:, 0])
# 对应Matlab m(:,2)，输出 [2 4]
print(m.reshape(m.shape[0], -1, order='F')[:, 1])
# 对应Matlab m(:,3)，输出 [5 7]
print(m.reshape(m.shape[0], -1, order='F')[:, 2])
# 对应Matlab m(:,4)，输出 [6 8]
print(m.reshape(m.shape[0], -1, order='F')[:, 3])

方案2：预转换为二维数组（适合频繁访问场景） #

如果需要多次做这类索引，可以先把数组转换为符合预期的二维数组，后续直接索引即可：

# 转换为列优先的二维数组，形状为(2,4)
m_2d = m.reshape(m.shape[0], -1, order='F')

# 后续直接索引即可
print(m_2d[:,0]) # 输出 [1 3]
print(m_2d[:,1]) # 输出 [2 4]
print(m_2d[:,2]) # 输出 [5 7]
print(m_2d[:,3]) # 输出 [6 8]

内容的提问来源于stack exchange，提问作者CoolGas