Python中如何用多维数组索引获取矩阵邻域元素值？

嘿，这个问题我之前踩过坑！Numpy的索引规则确实有点反直觉，咱们一步步拆解解决：

为什么会报错/得到不符合预期的结果？ #

• 直接用matrix[neighbours(...)]报错：因为neighbours返回的是元组列表，比如[(0, 0), (2, 0), (1, 1)]。当你把这个列表传给Numpy数组索引时，它会被解析成多个索引参数（相当于matrix[(0,0), (2,0), (1,1)]），而你的矩阵是2维的，Numpy会认为你在尝试索引3维数组，所以抛出IndexError: too many indices for array。
• 转成二维数组后得到多维结果：如果直接用matrix[np.array([[0,0],[2,0],[1,1]])]，Numpy会把这个二维数组当成行索引数组，返回的是第0、2、1行的所有元素（形状为(3, N)的二维数组），而不是每个(i,j)位置的单个元素。

高效无循环的解决方案 #

这里有两种简洁且高性能的方法，都不需要写循环：

方法1：拆分行列索引（最直观）

把邻域位置数组转置后，拆分成独立的行索引和列索引数组，再用Numpy的高级索引取值：

import numpy as np

# 假设你的矩阵是im2，先获取邻域位置
pos_list = neighbours(1, 0, len(im2), len(im2), size=4)
pos_array = np.array(pos_list)

# 拆分出行和列索引
rows, cols = pos_array.T

# 获取邻域元素，得到长度为3的一维数组
neighbour_values = im2[rows, cols]

比如如果im2是：

im2 = np.array([[10, 20], [30, 40], [50, 60]])

执行后neighbour_values会是array([10, 50, 40])，正好是三个邻域位置的元素。

方法2：使用扁平索引（适合复杂场景）

用np.ravel_multi_index把二维位置转成一维的扁平索引，再用np.take取值：

pos_array = np.array(neighbours(1, 0, len(im2), len(im2), size=4))
# 把二维索引转成一维扁平索引
flat_indices = np.ravel_multi_index(pos_array.T, im2.shape)
# 取出对应元素
neighbour_values = np.take(im2, flat_indices)

这个方法和方法1效率差不多，适合需要处理大量索引或者多维数组的场景。

两种方法都是完全矢量化的，没有循环，性能拉满，完美解决你的问题！

内容的提问来源于stack exchange，提问作者user8188120