[英]Slice a 3d numpy array using a 1d lookup between indices
使用索引之間的一維查找對 3d numpy 數組進行切片
import numpy as np
a = np.arange(12).reshape(2, 3, 2)
b = np.array([2, 0])
b 將 i 映射到 j,其中 i 和 j 是 a 的前 2 個索引,所以 a[i,j,k]
將 b 應用於 a 后的期望結果是:
[[4 5]
[6 7]]
天真的解決方案:
c = np.empty(shape=(2, 2), dtype=int)
for i in range(2):
j = b[i]
c[i, :] = a[i, j, :]
問題:有沒有辦法使用 numpy 或 scipy 例程或例程或花哨的索引來做到這一點?
Application: Reinforcement Learning finite MDPs where b is a deterministic policy vector pi(a|s), a is the state transition probabilities p(s'|s,a) and c is the state transition matrix for that policy vector p(s' |s)。 arrays 將很大,並且此操作將重復很多次,因此需要可擴展且快速。
我試過的:
c = np.einsum('ij,ijk->ik', b_as_a_matrix, a)
Numpy arrays 可以使用其他 arrays 作為索引進行索引。 另請參閱: NumPy 通過使用索引列表選擇每行的特定列索引。
考慮到這一點,我們可以將您的循環矢量化以簡單地使用b
進行索引:
>>> import numpy as np
>>> a = np.arange(12).reshape(2, 3, 2)
>>> b = np.array([2, 0])
>>> i = np.arange(len(b))
>>> i
array([0, 1])
>>> a[i, b, :]
array([[4, 5],
[6, 7]])
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.