ravel_multi_index函数：

官方文档：ravel_multi_index

语法：

numpy.ravel_multi_index(multi_index, dims, mode=‘raise’, order=‘C’)

参数说明：

输入参数：

multi_index - 类数组的元组。整数数组的元组，每个维度一个数组；

dims - 整数元组。multi_index的索引将应用到的数组的shape；

mode - 可选：“raise”、“wrap”、“clip”，指定如何处理越界索引。可以指定一个模式或一组模式，每个索引一个模式。其中，raise为默认，表示引发错误。

order - 可选：“C”和“F”，确定是否应将多索引视为按行优先（C）或列优先（F）的索引。

返回值

raveled_indices - ndarray类型。 官方解释为：An array of indices into the flattened version of an array of dimensions dims.

示例：

例1：

>>> import numpy as np >>> >>> arr = np.array([[3,6,6],[4,5,1]]) >>> np.ravel_multi_index(arr, (7,6)) array([22, 41, 37], dtype=int64) >>>

代码分析： 该代码默认以“行”优先。在7x6的数组中，取其中（3，6）、（6，5）、（6，1）位置对应的索引数组中的索引值，如下图： 由上图可以得到以下规律： [3, 4] ——> 3 * 6 + 4 = 22 [6, 1] ——> 6 * 6 + 5 = 41 [6, 5] ——> 6 * 6 + 1 = 37

例2：

>>> import numpy as np >>> >>> arr = np.array([[3,6,6],[4,5,1]]) >>> np.ravel_multi_index(arr, (7,6), order='F') array([31, 41, 13], dtype=int64) >>>

代码分析： 该代码以“列”优先，在7x6的数组中，取其中（3，6）、（6，5）、（6，1）位置对应的索引数组中的索引值，如下图： 由上图可以得到以下规律： [3, 4] ——> 3 + 4 * 7 = 31 [6, 1] ——> 6 + 5 * 7 = 41 [6, 5] ——> 6 + 1 * 7 = 13

例3：

>>> import numpy as np >>> >>> arr = np.array([[3,6,6],[4,5,1]]) >>> np.ravel_multi_index(arr, (4,6), mode='clip') array([22, 23, 19], dtype=int64) >>>

例4：

>>> import numpy as np >>> >>> arr = np.array([[3,6,6],[4,5,1]]) >>> np.ravel_multi_index(arr, (4,4), mode=('clip','wrap')) array([12, 13, 13], dtype=int64)

例3和例4都是以“行”优先，只是设置了不同的“mode”参数，大家可以自己运行以上代码，详细了解其功能。