Numpy中的ravel_multi_index函数用法说明

最近遇到了ravel_multi_index这个函数，官方文档看不明白，Google了一番好不容易才从一堆示例代码里理解函数的意义，记录一下。

官方文档在这

这个函数主要功能为把给定的一个多维数组（函数的第一个参数）看作索引数组，索引什么呢？去索引一个形状为dims（函数的第二个参数），值为依次增大的自然数的数组中的值（可看做由list(range(N))的数组reshape(dims)而来），意义即为用一个唯一的一维数来定位（保存）原数组的二维（或多维(i,j,k,…)）的数对的信息。

把文档里的示例代码贴一下来解释：

>>> arr = np.array([[3,6,6],[4,5,1]])
>>> np.ravel_multi_index(arr, (7,6))
array([22, 41, 37])
>>> np.ravel_multi_index(arr, (7,6), order='F')
array([31, 41, 13])
>>> np.ravel_multi_index(arr, (4,6), mode='clip')
array([22, 23, 19])
>>> np.ravel_multi_index(arr, (4,4), mode=('clip','wrap'))
array([12, 13, 13])
>>> np.ravel_multi_index((3,1,4,1), (6,7,8,9))
1621

示例中arr即为要转换的多维数组，把arr的内容当作索引，即[3,6,6]为横坐标，[4,5,1]为纵坐标，去索引形状为(7,6)，内容为从0开始，从左往右，从上往下依次增大的自然数的数组中的值。

例如第一个要索引的数[3,4]即为(7,6)数组中第4行，第5列的的值，即为3*6+4=22，即为结果中的第一个数。依次类推。

了解函数功能后，其他参数具体可见官方文档说明。

补充：numpy.unravel_index 与 numpy.ravel_multi_index的理解

遇到numpy.ravel_multi_index 与numpy.unravel_index 这两个函数，查了网上的很多资料 都没讲的很清楚，记录一下。

这两个函数是相对应的：

numpy.unravel_index(indices, shape, order='C')

其中indices是表示一个一维数组的index，将这个一维数组转换成大小为shape（[col, row]）shape矩阵决定了转变后得到的数组的行和列的大小，进而得到index在新的二维矩阵 中的行index 和列index 其中order决定先是行index，还是先是列index 'C'先是列index 再是行index ‘F'先是行index 再是列index

 np.unravel_index([22, 41, 37], (7,6))
(array([3, 6, 6]), array([4, 5, 1]))

numpy.ravel_multi_index是numpy.unravel_index反过来的过程，

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

根据multi_index中不同数组代表的具体的索引，以及该数组的dims的大小 ，得到将该数组flat成一维数组 数据在一位数组中的位置。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。