[英]How to restructure a 2D numpy array of 2D numpy arrays into a 4D array of floats?
[英]Indexing a 4D NumPy Array with two 2D arrays
我有一个 4D 目标 NumPy 数组,我想用 2D 源数组中的值填充它,使用两个额外的 2D arrays 指定 position 的第二个数组和第三个源数组的值。 下面带有一些示例值的代码可以使用 for 循环方法执行此操作:
import numpy as np
T, M, N, D = 5, 4, 3, 2 # Example dimensions
target = np.zeros((T, M, N, D)) # Target array
source = np.arange(T*D).reshape(T, D) # Example source array with arbitrary numbers
index_dim_1 = np.array([ # Array of shape T, D with values between 0 and M-1
[0, 3],
[1, 2],
[2, 1],
[3, 0],
[0, 3]
])
index_dim_2 = np.array([ # Array of shape T, D with values between 0 and N-1
[0, 2],
[1, 1],
[2, 0],
[0, 2],
[1, 1]
])
for t in range(T):
for d in range(D):
m = index_dim_1[t, d]
n = index_dim_2[t, d]
target[t, m, n, d] = source[t, d]
我怎样才能矢量化这种方法? 我知道目标数组是否是二维的,源和索引 arrays 都是一维的,我可以使用这种方法,但我不确定如何将其推广到我的情况。
for t in range(T):
for d in range(D):
n = index_dim_1[t, d]
m = index_dim_2[t, d]
target[t, n, m, d] = source[t, d]
由于您提供了代码,但没有提供示例,因此我将自己跳过该步骤,并“目测”答案-无需测试。
target[np.arange(T)[:,None], index_dim_1, index_dim_2, np.arange(D)] = source
这个想法是为t
和d
创建索引 arrays 以 (T,D) 形状的 arrays 广播。
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.