[英]3D Numpy array to 3D Numpy array
我在NumPy工作。 我有一个形状为(n,d,d)的浮点数U数组,以及一个形状为(k,n)的2D布尔数组B. 看起来有点像
U = np.array([
[[0,1],
[2,3]
],
[[4,5],
[6,7]
]
[[1,2],
[3,4]
]
])
B = np.array([
[True,False,False],
[True,False,True],
[True,True,False],
[False,False,True]
])
我想要一个向量化函数vector_sum(A,B),它将输出形状为(4,2,2)的数组Z,其中Z [0]为U [0]; Z [1]为U [0] + U [2]; Z [2]为U [0] + U [1],Z [3]为U [2]。 我怎样才能做到这一点? 我猜想np.einsum有办法做到这一点,但是我不太了解它是如何工作的,所以我有点时间紧迫。
谢谢!
IIUC,您绝对可以使用np.einsum
:
In [70]: np.einsum('ij,jkl->ikl', B, U)
Out[70]:
array([[[ 0, 1],
[ 2, 3]],
[[ 1, 3],
[ 5, 7]],
[[ 4, 6],
[ 8, 10]],
[[ 1, 2],
[ 3, 4]]])
它将作用于B的j坐标(布尔)和U的j坐标(dxd子数组)。
这样做:
import numpy as np
U = np.array([
[[0,1],[2,3]],
[[4,5],[6,7]],
[[1,2],[3,4]]
])
B = np.array([
[True,False,False],
[True,False,True],
[True,True,False],
[False,False,True]
])
Z = np.array([U[i].sum(axis=0) for i in B])
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.