[英]Numpy: Sorting a multidimensional array by a multidimensional array
如果這是多余的或超級基本的,請原諒我。 我是從R來到Python / Numpy並且很難在腦子里翻看東西。
我有一個維度數組,我想使用另一個索引值的n維數組進行排序。 我知道我可以將它包裝在一個循環中,但似乎應該有一個非常簡潔的Numpyonic方式來擊敗這個提交。 這是我設置n = 2的問題的示例代碼:
a1 = random.standard_normal(size=[2,5])
index = array([[0,1,2,4,3] , [0,1,2,3,4] ])
所以現在我有一個2 x 5的隨機數組和一個2 x 5的索引。 我現在已經閱讀了大約10次take()
的幫助,但顯然我的大腦並不是在研究它。
我以為這可能會讓我在那里:
take(a1, index)
array([[ 0.29589188, -0.71279375, -0.18154864, -1.12184984, 0.25698875],
[ 0.29589188, -0.71279375, -0.18154864, 0.25698875, -1.12184984]])
但這顯然只是重新排序第一個元素(我認為是因為扁平化)。
有關我如何從我所處的位置獲得的解決方案,該解決方案將索引的元素0對a1的元素0進行排序...元素n?
我想不出如何在N維度中使用它,但
這里是2D版本:
>>> a = np.random.standard_normal(size=(2,5))
>>> a
array([[ 0.72322499, -0.05376714, -0.28316358, 1.43025844, -0.90814293],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
>>> i = np.array([[0,1,2,4,3],[0,1,2,3,4]])
>>> a[np.arange(a.shape[0])[:,np.newaxis],i]
array([[ 0.72322499, -0.05376714, -0.28316358, -0.90814293, 1.43025844],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
這是N維版本:
>>> a[list(np.ogrid[[slice(x) for x in a.shape]][:-1])+[i]]
以下是它的工作原理:
好的,讓我們從三維數組開始進行說明。
>>> import numpy as np
>>> a = np.arange(24).reshape((2,3,4))
>>> a
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
您可以通過指定沿每個軸的索引來訪問此數組的元素,如下所示:
>>> a[0,1,2]
6
這相當於a[0][1][2]
,如果我們處理的是列表而不是數組,那么你將如何訪問同一個元素。
Numpy允許您在切片數組時變得更加漂亮:
>>> a[[0,1],[1,1],[2,2]]
array([ 6, 18])
>>> a[[0,1],[1,2],[2,2]]
array([ 6, 22])
這些例子相當於[a[0][1][2],a[1][1][2]]
和[a[0][1][2],a[1][2][2]]
如果我們處理清單。
你甚至可以省略重復的指數,而numpy會找出你想要的東西。 例如,上面的例子可以等效地寫成:
>>> a[[0,1],1,2]
array([ 6, 18])
>>> a[[0,1],[1,2],2]
array([ 6, 22])
在每個維度中切片的數組(或列表)的形狀僅影響返回數組的形狀 。 換句話說,numpy並不關心你是否正在嘗試使用一個形狀(2,3,4)
的數組來索引數值,除非它會反饋一個形狀數組(2,3,4)
。 例如:
>>> a[[[0,0],[0,0]],[[0,0],[0,0]],[[0,0],[0,0]]]
array([[0, 0],
[0, 0]])
在這種情況下,我們一遍又一遍地抓取相同的元素, a[0,0,0]
,但numpy返回的數組與我們傳入的形狀相同。
好的,你的問題。 你想要的是沿着最后一個軸index
數組與index
數組中的數字。 所以,對於你問題中的例子,你想要[[a[0,0],a[0,1],a[0,2],a[0,4],a[0,3]],a[1,0],a[1,1],...
正如我之前所說的,你的索引數組是多維的這一事實,並沒有說明你想要從哪里獲取這些索引的任何內容; 它只是指定輸出數組的形狀。 所以,在你的例子中,你需要告訴numpy前5個值是從a[0]
拉出來a[0]
,而后5個是從a[1]
拉出來a[0]
。 簡單!
>>> a[[[0]*5,[1]*5],index]
它在N維中變得復雜,但讓我們按照上面定義的方式對三維數組a
處理。 假設我們有以下索引數組:
>>> i = np.array(range(4)[::-1]*6).reshape(a.shape)
>>> i
array([[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]],
[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]]])
因此,這些值都是沿最后一個軸的索引。 我們需要告訴numpy這些數字取自第一軸和第二軸的索引; 即我們需要告訴numpy第一軸的索引是:
i1 = [[[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]]
而第二軸的指數是:
i2 = [[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]],
[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]]]
然后我們可以這樣做:
>>> a[i1,i2,i]
array([[[ 3, 2, 1, 0],
[ 7, 6, 5, 4],
[11, 10, 9, 8]],
[[15, 14, 13, 12],
[19, 18, 17, 16],
[23, 22, 21, 20]]])
生成i1
和i2
的方便numpy函數稱為np.mgrid
。 我在我的回答中使用了np.ogrid
,這在本案例中是等效的,因為我之前談過的是np.ogrid
的魔法。
希望有所幫助!
今天玩了這個之后,我發現如果我使用了mapper函數,我可以解決2維版本真的很簡單:
a1 = random.standard_normal(size=[2,5])
index = array([[0,1,2,4,3] , [0,1,2,3,4] ])
map(take, a1, index)
我需要將take()
map()
到a1
每個元素
當然,接受的答案解決了n維版本。 但回想起來,我確定我不需要n維解決方案,只需要2-D版本。
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.