求n维数组中从Bin索引获取包围网格点索引的通用解法

这个问题的核心其实是n维空间中"单元格"到其顶点网格点的映射——因为Bin数组B的每个维度长度比G多1，每个Bin本质上对应G中相邻网格点围成的一个n维"超单元格"，我们要找的就是这个单元格的所有顶点网格点索引。

下面是一个通用的n维解决方案，完全适配numpy的数组索引逻辑：

实现思路 #

1. 把Bin的ravel索引转成n维坐标：用np.unravel_index将一维索引转换为对应B数组的n维坐标，和numpy默认的行优先（C顺序）保持一致。
2. 生成每个维度的有效网格点索引：对于Bin坐标的每个维度值b_k，对应的网格点索引可能是b_k-1（如果b_k>0，避免越界）和b_k（如果b_k < G的该维度长度，避免越界）。
3. 生成笛卡尔积得到所有网格点坐标：将各维度的有效索引做笛卡尔积，得到所有顶点的n维坐标。
4. 转成G的ravel索引：用np.ravel_multi_index把n维坐标转回一维索引，和G的ravel顺序一致。

代码实现 #

import numpy as np

def bin_to_grid_indices(bin_idx, G_shape, B_shape):
    # 校验B和G的维度关系：B每个维度长度必须是G的+1
    assert all(bs == gs + 1 for bs, gs in zip(B_shape, G_shape)), \
        "B数组的每个维度长度必须比G数组对应维度大1"
    
    # 将Bin的一维索引转换为n维坐标
    bin_coords = np.unravel_index(bin_idx, B_shape)
    
    # 为每个维度生成有效的网格点索引列表
    valid_dim_indices = []
    for b_k, g_dim_len in zip(bin_coords, G_shape):
        dim_options = []
        if b_k > 0:
            dim_options.append(b_k - 1)
        if b_k < g_dim_len:
            dim_options.append(b_k)
        valid_dim_indices.append(dim_options)
    
    # 生成所有维度的笛卡尔积，得到网格点的n维坐标
    # 使用indexing='ij'保证和numpy的数组索引逻辑一致
    grid_coords = np.array(np.meshgrid(*valid_dim_indices, indexing='ij')).reshape(len(G_shape), -1).T
    
    # 将n维坐标转换为G数组的一维ravel索引
    grid_indices = np.ravel_multi_index(grid_coords.T, G_shape)
    
    return grid_indices

测试你的示例 #

用你给出的测试数据验证：

G = np.arange(3*4).reshape(3, 4)
B = np.arange(4*5).reshape(4, 5)
bin_idx = 7

result = bin_to_grid_indices(bin_idx, G.shape, B.shape)
print(result)  # 输出: [1 2 5 6]

完全符合你预期的结果！

边界情况示例 #

比如测试Bin数组的角落索引：

• 当bin_idx=0（B的(0,0)坐标），得到的网格点索引是[0]（只有G的(0,0)点）
• 当bin_idx=4*5-1=19（B的最后一个索引，坐标(3,4)），得到的网格点索引是[11]（G的(2,3)点）
• 当bin_idx=4（B的(0,4)坐标），得到的网格点索引是[3]（G的(0,3)点）

这个方案可以无缝扩展到3维、4维甚至更高维度的数组，完全不需要修改核心逻辑。

内容的提问来源于stack exchange，提问作者Steve Heim