如何使用 Python 中向量化的可变长度数组列表对多维数组进行切片？

如何解决如何使用 Python 中向量化的可变长度数组列表对多维数组进行切片？

数据： x 是一个 n 维数组，它给出了粒子对之间在 2 维中随时间变化的相对位置。它的形状为 (100,50,2)，其中轴对应时间（100 帧）、i 个粒子（50 个粒子）、j 个粒子（50 个粒子）和位置（2 个坐标）。此外，我有两个数组列表 iParticles 和 jParticles，它们表示每次我想考虑的粒子变量集：列表的长度对应于时间（ 100 帧）并且列表中的每个元素都是一个整数数组，代表一组粒子（它们没有固定的长度，它们可以从零到粒子总数 50）。例如：

  import numpy as np

  x = np.random.rand(100,2)

  #List of arrays of variable lengths
  iParticles = [np.random.randint(0,size=np.random.randint(50)) for t in range(100)]  
  jParticles = [np.random.randint(0,size=np.random.randint(50)) for t in range(100)]  

问题：我想得到对应于每个粒子对x和iParticles的子集的jParticles位置的扁平数组时间矢量化。我想做类似的事情： xSubSet_0 = x[:,iParticles,jParticles,0].flatten()，但这不起作用。

• 无需矢量化我可以通过以下方式实现：

  xSubSet_0 = []
  for t in range(100):
    for i in iParticles[t]:
      for j in jParticles[t]:
         xSubSet_0.append(x[t,i,j,0])
  

• 矢量化的半步如果没有时间轴，这个问题将是：

  xSubSet_0 = np.concatenate([x[ t,iParticles[t][:,np.newaxis],jParticles[t],0].flatten() for t in range(100)])
  

是否可以将问题完全矢量化？