如何在给定轴上迭代一个numpy数组？

Question

我有一个形状的ndarray

my_array = np.zeros((Na, Nb, Nc))

我有Nb束形状数据（Na，Nc）

我想用我的数据束填充“ my_array”，如下所示：

for b, bit in zip(range(Nb), my_bits):
    my_array[:, b, :] = bit

但是我想对任意形状数据集的任意仲裁轴进行此操作。 我该怎么做？

**编辑**有人指出我的问题含糊不清。 下面是我知道如何做的示例代码，导致了我不知道的事情。

我知道的：

my_bits = [np.ones((Na, Nc)) for j in range(Nb)]
my_array = np.zeros((Na, Nb, Nc))
for b, bit in zip(range(Nb), my_bits):
    my_array[:, b, :] = bit

一般而言，我们可以考虑

my_array = np.zeros((N1, N2, ..., Nj, ..., Nmax))
bit = np.ones((N1, N2, ..., Nj-1, Nj+1, ..., Nmax))
my_bits = [bit]*Nj

从那里，我想沿轴Nj用my_bits填充my_array。 我该怎么做？ 我正在查看nditer函数，但不确定如何处理。

Answer 1

这里的尺寸有问题。 如果我正确理解， my_array[:, 0, :] my_bits my_array[:, 0, :]与my_bits维数相同。 所以分配应该像这样完成：

import numpy as np

Na = 2
Nb = 2
Nc = 2
my_array = np.zeros((Na, Nb, Nc))

my_bits = np.ones((Na, Nc))

print('my_array before', my_array)

for b in range(Nb):
  my_array[:, b, :] = my_bits

print('my_array after', my_array)

Answer 2

我认为您可能想要numpy.transpose

list_of_2d_arrays = [ make_2d_array() for i in range(Nb) ]  # each has shape=(Na,Nc)
tensor3d = np.array(list_of_2d_arrays) # shape = (Nb,Na,Nc)
# now shift the dimensions around
X = np.transpose(tensor3d,(1,0,2)) # has shape (Na,Nb,Nc)

Answer 3

在某些numpy函数中，使用transpose将迭代轴移动到已知位置（最前面或最后一个）。

另一种方法是构造一个slice对象，并对其进行迭代。

In [46]: arr = np.zeros((2,3,4),int)
In [47]: idx = np.full((arr.ndim,), slice(None))
In [48]: n=2
In [49]: for i in range(arr.shape[n]):
    ...:     idx[n] = i
    ...:     arr[tuple(idx)] = i+1
    ...:     
In [50]: arr
Out[50]: 
array([[[1, 2, 3, 4],
        [1, 2, 3, 4],
        [1, 2, 3, 4]],

       [[1, 2, 3, 4],
        [1, 2, 3, 4],
        [1, 2, 3, 4]]])

对于另一个轴

In [56]: arr = np.zeros((2,3,4),int)
In [57]: idx = np.full((arr.ndim,), slice(None))
In [58]: n=1
In [59]: for i in range(arr.shape[n]):
    ...:     idx[n] = i
    ...:     arr[tuple(idx)] = i+1
    ...:     
In [60]: arr
Out[60]: 
array([[[1, 1, 1, 1],
        [2, 2, 2, 2],
        [3, 3, 3, 3]],

       [[1, 1, 1, 1],
        [2, 2, 2, 2],
        [3, 3, 3, 3]]])

在这种情况下， idx变化如下：

[slice(None, None, None) 0 slice(None, None, None)]
[slice(None, None, None) 1 slice(None, None, None)]
[slice(None, None, None) 2 slice(None, None, None)]

关键是索引表达式具有等效的元组，可以通过编程方式构造它：

In [61]: np.s_[:,3,:]
Out[61]: (slice(None, None, None), 3, slice(None, None, None))