numpy ndarray 索引 - 从元组中检索索引

Question

我之前问过一个类似的问题，但我仍然不完全确定 numpy 如何组织其索引。

我正在处理许多 3D 数组，所有数组的大小都相同。 由于以后的操作（使用 scipy 和其他人查看窗口），我需要对我正在执行的一系列操作进行切片，如下所示：

imFrag.append(Padded[:100, :100, :100)

它将数组分成 8 个部分。 我正在尝试获取每个切片的原始索引。 我可以使用以下方法对整个 3d 数组执行此操作：

np.where(Mat  == Mat) 

这给了我一个包含 x、y 和 z 分量的元组。 有没有办法做到这一点？

谢谢！

Answer 1

考虑存储切片对象而不是碎片本身

your_slice = np.s_[:100, :100, :100]

只是为了得到图像

Padded[your_slice]

获取用于创建切片的索引

your_slice[0].start
your_slice[0].step
your_slice[0].stop

对于您关心的任何维度

Answer 2

让我们尝试一些小的和 2d 的东西：

In [102]: Mat = np.arange(16).reshape(4,4)    
In [103]: sub = Mat[2:,:2]

In [104]: Mat
Out[104]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [105]: sub
Out[105]: 
array([[ 8,  9],
       [12, 13]])

你想知道如何判断sub发生在Mat吗？

在一般实践中，最好的办法是坚持索引元组

In [106]: ind=(slice(2,None),slice(None,2))

In [107]: Mat[ind]
Out[107]: 
array([[ 8,  9],
       [12, 13]])

In [108]: Mat[ind] += sub   # duplicate the sub values

In [109]: Mat
Out[109]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [16, 18, 10, 11],
       [24, 26, 14, 15]])

（如果您更喜欢冒号语法， np.s_是构建此类元组的好方法）。

我想我可以从Mat和sub信息推断出这种切片，例如

In [120]: Mat.__array_interface__['data'][0],Mat.shape,Mat.strides,Mat.itemsize
Out[120]: (169022104, (4, 4), (16, 4), 4)

In [121]: sub.__array_interface__['data'][0],sub.shape,sub.strides
Out[121]: (169022136, (2, 2), (16, 4))

但它需要对数据的存储和访问方式有一定的了解。 对于像这样的简单切片不应该太难。 对于更一般的，例如带有步骤和转置的，会更难。

但我从来不需要这样做。 保留原始切片元组更容易。 如果您进行高级索引（创建副本而不是视图），则坚持索引或屏蔽是唯一的方法。

======================

关注你的评论：

In [140]: I,J=np.where(sub==sub) 

In [141]: ind
Out[141]: (slice(2, None, None), slice(None, 2, None))

In [142]: Mat[2+I,0+J]    # 0 inplace of None for J
Out[142]: array([16, 18, 24, 26])

所以是的，您可以使用sub索引来查找Mat相应元素。 使用where(sub==sub)获取所有索引让我有点烦恼。 meshgrid和mgrid可以工作，但它们需要生成范围。 我无法立即想到一个具有形状并给出相应I,J的函数。

I,J=np.array(list(np.ndindex(sub.shape))).T

会做，但不漂亮。