[英]numpy ndarray indexing - retrieving indexes from tuple
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!
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
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。
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.