首先，要知道数组有两种索引方式。比如对一个3x4的矩阵a(数据类型为：numpy.array)

• 线性索引(LINEAR indices)：a[10]。首先要明白,np.array是按照先行后列存储的。这也决定了矩阵reshape的结果
• 矩阵索引：a[1,2]

unravel_index 已知线性索引，求矩阵索引

• 第一个参数：可以是任意矩阵。矩阵的值是线性索引
• 第二个参数：必须是矩阵的形状。如对于3x4的矩阵a，就是a.shape或(3，4)

执行下面的代码

import numpy np
np.unravel_index([3, 0, 10], (3,4)) # 在一个(3x4)的矩阵中，第3、第0、第10个元素，的行列索引

结果是

(array([0, 0, 2], dtype=int64), array([3, 0, 2], dtype=int64))

解释:

对于一个(3x4)的矩阵，它的数据编号如下。所以输出结果就很好理解了

0 1 2 3
4 5 6 7
8 9 10 11

ravel_multi_index 已知矩阵索引，求线性索引

• 第一个参数：比如是与参数二对应的，矩阵索引。例如，参数2指明形状为3x4；那就说明是二维的，那么这里的参数必须是2xN的np.array
• 第二个参数：必须是矩阵的形状。如对于3x4的矩阵a，就是a.shape或(3，4)

执行下面的代码。它是上面unravel_index例程的逆过程

import numpy np
np.ravel_multi_index (np.array([[0, 0, 2],[3, 0, 2]]),(3,4)) # 在一个(3x4)的矩阵中，求(0,3)，(0,0),(2,2)位置处的线性索引

结果是

array([ 3,  0, 10], dtype=int64)