[英]Numpy ndarray slicing with arrays
当尝试使用多个切片数组沿单独的维度切片ndarray时,我无法理解numpy广播错误背后的原因。 我正在尝试使用索引数组picks
例如np.arange(2,306,3)和一个布尔数组mask
(其中mask.shape
为(481))沿第一和第二维将data
ndarray(100,306,481)切片,),其中361个元素为True
。
data[:, picks, mask]
返回
IndexError:形状不匹配:索引数组不能与形状(102,)(361,)一起广播
但是data[:, :, mask]
, data[:, picks, :]
和data[:, :10, mask]
正常工作。
在这种情况下,广播如何工作? python方法是什么呢?
所以
data[:, :, mask] => (100, 306, 361)
data[:, :10, mask] => (100, 10, 361)
data[:, picks, :] => (100, 102, 481)
如果picks
具有(361,)个元素,则
data[:, picks, mask] => (100, 361) # I think :)
想的picks
匹配np.where(mask)
但是要在不同维度上建立索引, picks
必须是列向量,因此(102,1)用(1,361)广播以产生(102,361)选择
data[:, picks[:,None], mask] => (100, 102, 361) # again I need to test
因此,创建一些测试数组:
In [253]: data=np.ones((100,306,481))
In [254]: picks=np.arange(2,306,3)
In [255]: mask=np.zeros(481,bool)
In [256]: mask[:361]=True
In [257]: data[:, picks[:,None],mask].shape
Out[257]: (100, 102, 361)
范围可以用切片代替
In [259]: data[:, 2::3, mask].shape
Out[259]: (100, 102, 361)
ix_
在这种情况下很方便
In [268]: I,J=np.ix_(picks,mask)
In [269]: I.shape
Out[269]: (102, 1)
In [270]: J.shape
Out[270]: (1, 361)
In [271]: data[:,I,J].shape
Out[271]: (100, 102, 361)
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.