在多个维度numpy的花哨索引 [英] Numpy fancy indexing in multiple dimensions

问题描述

让我们说我有大小为n×m的值X k的numpy的数组A并具有指数从1到K的大小为n×m的另一列B上。
我要访问使用在这个地方B中给出的指数每个n×m的切片，
给我的大小为n×m的数组。

Let's say I have an numpy array A of size n x m x k and another array B of size n x m that has indices from 1 to k. I want to access each n x m slice of A using the index given at this place in B, giving me an array of size n x m.

编辑：这显然不是我想要的！
[我可以通过实现这个取是这样的：

that is apparently not what I want! [[ I can achieve this using take like this:

A.take（B）
]]年底修改

可以这样使用花哨的索引实现？
我还以为 A [B] 将给予相同的结果，但结果
在大小的N×米×米×k的数组（我真的不明白）。

Can this be achieved using fancy indexing? I would have thought A[B] would give the same result, but that results in an array of size n x m x m x k (which I don't really understand).

我不希望使用的原因取是我希望能够在这部分上指定的东西，像

The reason I don't want to use take is that I want to be able to assign this portion something, like

A [B] = 1

这是我到目前为止的唯一可行的解​​决方案是

The only working solution that I have so far is

A.reshape（-1，K）[np.arange（N * M），B.ravel（）]。重塑（N，M）

但肯定必须有一个更简单的方法？

but surely there has to be an easier way?

推荐答案

假设

import numpy as np
np.random.seed(0)

n,m,k = 2,3,5
A = np.arange(n*m*k,0,-1).reshape((n,m,k))
print(A)
# [[[30 29 28 27 26]
#   [25 24 23 22 21]
#   [20 19 18 17 16]]

#  [[15 14 13 12 11]
#   [10  9  8  7  6]
#   [ 5  4  3  2  1]]]

B = np.random.randint(k, size=(n,m))
print(B)
# [[4 0 3]
#  [3 3 1]]

要创建这个数组，

print(A.reshape(-1, k)[np.arange(n * m), B.ravel()])
# [26 25 17 12  7  4]

由于使用花哨的索引一个 n×m个数组：

i,j = np.ogrid[0:n, 0:m]
print(A[i, j, B])
# [[26 25 17]
#  [12  7  4]]

这篇关于在多个维度numpy的花哨索引的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！