[英]Numpy: 2D array access with 2D array of indices
我有两个数组,一个是索引对矩阵,
a = array([[[0,0],[1,1]],[[2,0],[2,1]]], dtype=int)
另一个是在这些索引处访问的数据矩阵
b = array([[1,2,3],[4,5,6],[7,8,9]])
我希望能够使用 a 的索引来获取b
的条目。 只是做:
>>> b[a]
不工作,因为它给出了B的一行中的每个条目a
,即
array([[[[1,2,3],
[1,2,3]],
[[4,5,6],
[4,5,6]]],
[[[7,8,9],
[1,2,3]],
[[7,8,9],
[4,5,6]]]])
当我想使用a
的最后一个轴中的索引对来给出b
的两个索引时:
array([[1,5],[7,8]])
是否有这样做的一个干净的方式,或者我需要重塑b
和组合的列a
以相应的方式?
在我的实际问题中, a
大约有 500 万个条目, b
是 100×100,我想避免 for 循环。
实际上,这是有效的:
b[a[:, :, 0],a[:, :, 1]]
给出array([[1, 5], [7, 8]])
。
对于这种情况,这有效
tmp = a.reshape(-1,2)
b[tmp[:,0], tmp[:,1]]
一个更通用的解决方案,每当您想要使用具有任意大维度 m的形状 (n,m) 索引的二维数组,命名为inds
,以便访问另一个二维形状数组 (n,k) 的元素,命名为B
:
# array of index offsets to be added to each row of inds
offset = np.arange(0, inds.size, inds.shape[1])
# numpy.take(B, C) "flattens" arrays B and C and selects elements from B based on indices in C
Result = np.take(B, offset[:,np.newaxis]+inds)
另一个不使用np.take
并且我觉得更直观的解决方案如下:
B[np.expand_dims(np.arange(B.shape[0]), -1), inds]
这种语法的优点是它既可以用于基于inds
(如np.take
)从B
读取元素,也可以用于赋值。
您可以使用以下方法进行测试,例如:
B = 1/(np.arange(n*m).reshape(n,-1) + 1)
inds = np.random.randint(0,B.shape[1],(B.shape[0],B.shape[1]))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.