numpy中的np.ix_的用法

其实就是相当于花式索引，会增加可读性，给出下面的例子

import  numpy as np
a=np.arange(10).reshape(2,5)
a[np.ix_([0,1],[2,3])]=2
print(a)

结果如下：
array([[0, 1, 2, 2, 4],
[5, 6, 2, 2, 9]])
需要注意的是：
A[[2,3]][:,[0,1]]
#这种方式只有 read-only access（即只读权限），无法对指定的位置赋值

a=np.arange(10).reshape(2,5)
a[[0,1,]][:,[2,3]]
a[[0,1,]][:,[2,3]]=6
a

结果如下：
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
实际意思就是，直接往np.ix_()里扔进两个一维数组[1,5,7,2]，[0,3,1,2]，就能先按我们要求选取行，再按顺序将列排序，跟上面得到的结果一样，而不用写**“[ : , [0,3,1,2] ]**
原理：np.ix_函数就是输入两个数组，产生笛卡尔积的映射关系
再给出以下的例子：

arr = np.arange(32).reshape((8,4))
arr[np.ix_([1,5,7,2],[0,3,1,2])]

结果如下：
array([[ 4, 7, 5, 6],
[20, 23, 21, 22],
[28, 31, 29, 30],
[ 8, 11, 9, 10]])
例如就这个例子，np.ix_函数，将数组[1,5,7,2]和数组[0,3,1,2]产生笛卡尔积，就是得到(1,0)，(1,3)，(1,1)，(1,2)；(5,0)，(5,3)，(5,1)，(5,2)；(7,0)，(7,3)，(7,1)，(7,2)；(2,0)，(2,3)，(2,1)，(2,2)；就是按照坐标(1,0)，(1,3)，(1,1)，(1,2)取得 arr2 所对应的元素4，7，5，6，(5,0)，(5,3)，(5,1)，(5,2)取得 arr2 所对应的元素20，23，21，22这样也就少了关于***“[ : , [0,3,1,2] ]****