NumPy二维数组棋盘式（Checkboard-like）二进制选择实现问询

你当前用test.flatten()[::2]的方法，在5x5这种行数和列数都是奇数的数组上刚好能得到符合要求的结果，但换成其他尺寸（比如4x4、5x4）就会失效——因为它本质是取扁平化后所有偶数索引的元素，并没有真正遵循“行交替选择奇偶位置”的规则。

下面给你一个通用的解决方案，不管数组是几行几列都能精准实现你的棋盘式选择需求：

方法：利用布尔索引生成匹配掩码 #

我们可以生成一个和原数组形状一致的布尔数组，用True标记需要保留的元素，再通过索引提取结果：

import numpy as np

# 你的原始数组
test = np.arange(25).reshape((5, 5))

# 生成行/列索引数组，通过广播实现逐元素判断
row_idx = np.arange(test.shape[0])[:, np.newaxis]  # 形状(5,1)，和列索引广播
col_idx = np.arange(test.shape[1])                 # 形状(1,5)

# 核心规则：偶数行（0-based）选偶数列（对应1-based奇数位置），奇数行选奇数列（对应1-based偶数位置）
mask = (row_idx % 2 == 0) & (col_idx % 2 == 0) | (row_idx % 2 == 1) & (col_idx % 2 == 1)

# 提取结果
result = test[mask]
print(result)
# 输出：array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18, 20, 22, 24])

简化写法（原理相同） #

如果觉得上面的掩码逻辑有点繁琐，还可以用更简洁的方式实现：

# 行索引+列索引的和为偶数时，就是我们要的棋盘位置
mask = (np.arange(test.shape[0])[:, None] + np.arange(test.shape[1])) % 2 == 0
result = test[mask]

为什么这个方法通用？ #

不管数组的行数、列数是奇数还是偶数，这个逻辑都会动态适配：

• 0-based偶数行（第1、3、5...行）：选择1-based的奇数位置元素（0-based偶数列）
• 0-based奇数行（第2、4、6...行）：选择1-based的偶数位置元素（0-based奇数列）

比如换成4x4的数组测试：

test_4x4 = np.arange(16).reshape((4,4))
mask = (np.arange(test_4x4.shape[0])[:, None] + np.arange(test_4x4.shape[1])) % 2 == 0
result_4x4 = test_4x4[mask]
print(result_4x4)
# 输出：array([ 0,  2,  5,  7,  8, 10, 13, 15])

完全符合棋盘式的选择规则。

内容的提问来源于stack exchange，提问作者FooBar