[英]Using 3D style slicing in a 2D numpy array
我有一個函數,需要一個numpy數組(A)作為輸入。 根據數學計算,此數組可以是2d或3d數組。 有一個整數m,該整數可以是任意數字,但當數組為2D時,m的值將始終為0。我想將A的silc傳遞給另一個函數。 由於A可以是3D或2D,因此我嘗試了3D樣式切片。
def fun(A):
... some code
ans = fun2(A[:,:,m]) #The value of m is 0 if A is 2D
當A為2D時,這給我一個IndexError
IndexError: too many indices for array
如果A是2D,我想將完整的2D數組傳遞給fun2,就像在MATLAB中一樣。 如何在Python中完成? 我使用Python 2。
似乎是使用np.atleast_3d
的好設置,因為我們可以將其強制為3D
,然后簡單地沿最后一個軸切片第m個索引,如下所示-
np.atleast_3d(A)[...,m] # Or np.atleast_3d(A)[:,:,m]
它仍然是陣列的視圖,因此不會損失任何效率!
案例運行
1)2D:
In [160]: A = np.random.randint(11,99,(4,5))
In [161]: np.atleast_3d(A)[...,0]
Out[161]:
array([[13, 84, 38, 15, 26],
[64, 91, 29, 11, 48],
[25, 66, 77, 14, 87],
[59, 96, 98, 30, 88]])
In [162]: A
Out[162]:
array([[13, 84, 38, 15, 26],
[64, 91, 29, 11, 48],
[25, 66, 77, 14, 87],
[59, 96, 98, 30, 88]])
2)3D:
In [163]: A = np.random.randint(11,99,(4,3,5))
In [164]: np.atleast_3d(A)[...,1]
Out[164]:
array([[34, 81, 66],
[56, 20, 25],
[45, 36, 64],
[82, 64, 31]])
In [165]: A[:,:,1]
Out[165]:
array([[34, 81, 66],
[56, 20, 25],
[45, 36, 64],
[82, 64, 31]])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.