我想在3D数组的给定方向上获取2D切片，其中direction（或将从中提取切片的轴）由另一个变量给出。
假设{1}是3D数组中2D切片的索引，idx获取该2D切片的轴，则初始方法为：
direction我非常确定必须有一种方法可以在不执行条件的情况下执行此操作，或者至少不是在原始python中。 numpy有这个捷径吗？
我到目前为止找到的更好的解决方案（动态执行）依赖于转置运算符：
if direction == 0:
return A[idx, :, :]
elif direction == 1:
return A[:, idx, :]
else:
return A[:, :, idx]
但我想知道是否有更好/更容易/更快的功能，因为对于3D，转置代码几乎看起来比3 if / elif更糟糕。它对ND的推广更为普遍，N越大，代码相比就越漂亮，但对于3D来说却是完全相同的。
答案 0 :(得分：5)
转置很便宜（按时间）。有numpy个函数用它来将操作轴（或轴）移动到已知位置 - 通常是形状列表的前端或末端。 tensordot是我想到的。
其他函数构造索引元组。它们可以以列表或数组开头以便于操作，然后将其转换为应用程序的元组。例如
I = [slice(None)]*A.ndim
I[axis] = idx
A[tuple(I)]
np.apply_along_axis做了类似的事情。查看类似函数的代码是有益的。
我认为numpy函数的编写者最担心的是它是否有效，其次是关于速度，最后是否看起来很漂亮。你可以把各种丑陋的代码埋在一个函数中！。
tensordot以
at = a.transpose(newaxes_a).reshape(newshape_a)
bt = b.transpose(newaxes_b).reshape(newshape_b)
res = dot(at, bt)
return res.reshape(olda + oldb)
前面的代码计算newaxes_..和newshape...。
apply_along_axis构造一个(0...,:,0...)索引元组
i = zeros(nd, 'O')
i[axis] = slice(None, None)
i.put(indlist, ind)
....arr[tuple(i.tolist())]
答案 1 :(得分：-1)
要动态索引维度，您可以使用swapaxes，如下所示：
a = np.arange(7 * 8 * 9).reshape((7, 8, 9))
axis = 1
idx = 2
np.swapaxes(a, 0, axis)[idx]
自然方法（非动态）：
%timeit a[:, idx, :]
300 ns ± 1.58 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
swapaxes：
%timeit np.swapaxes(a, 0, axis)[idx]
752 ns ± 4.54 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
带列表理解的索引：
%timeit a[[idx if i==axis else slice(None) for i in range(a.ndim)]]