如何使用numpy中的指定索引从3D矩阵中获取元素？

debugcn 发表于 Dev

潜行

我有一个3D矩阵，在下面的示例中，它是一个（5，4，2）矩阵： data_matrix
我有另一个形状为（5，4）的索引数组，其中数组的每一行代表元素的位置： indx_array

我不知道该如何领取required_output。我正在尝试根据来安排每行的（1,2）个元素indx_array

我不想用于循环！

data_matrix = np.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]], 
    [[24, 25], [26, 27], [28, 29], [30, 31]], 
    [[32, 33], [34, 35], [36, 37], [38, 39]]
])

indx_array = np.array([[3,2,1,0], [0,1,2,3], [1,0,3,2], [0,3,1,2], [1,2,3,0]])


# I want following result:
required_output = [
    [[6, 7], [4, 5], [2, 3], [0, 1]]
    [[8, 9], [10, 11], [12, 13], [14, 15]]
    [[18, 19], [16, 17], [22, 23], [20, 21]]
    [[24, 25], [30, 31], [26, 27], [28, 29]]
    [[34, 35], [36, 37], [38, 39], [32, 33]]
]

编辑：更新了indx_array以更好地说明情况。

hpaulj

脾气暴躁：索引
- numpy：索引多维数组

In [637]: data_matrix.shape                                                                          
Out[637]: (5, 4, 2)
In [638]: indx_array.shape                                                                           
Out[638]: (5, 4)

您需要在前两个维度上进行高级索引编制。第一维数组需要与第二维数组（5,4）进行广播。为此，我做了（5,1）arange：

In [639]: data_matrix[np.arange(5)[:,None], indx_array]                                              
Out[639]: 
array([[[ 6,  7],
        [ 4,  5],
        [ 2,  3],
        [ 0,  1]],

       [[ 8,  9],
        [10, 11],
        [12, 13],
        [14, 15]],

       [[18, 19],
        [16, 17],
        [22, 23],
        [20, 21]],

       [[24, 25],
        [30, 31],
        [26, 27],
        [28, 29]],

       [[34, 35],
        [36, 37],
        [38, 39],
        [32, 33]]])

将我的（5,1）索引与接受的_x（对比一下（5,4）的索引）进行对比：

In [640]: np.arange(5)[:,None]                                                                       
Out[640]: 
array([[0],
       [1],
       [2],
       [3],
       [4]])
In [641]: _x = np.repeat(np.arange(indx_array.shape[0]),indx_array.shape[1])                         
In [643]: _x                                                                                         
Out[643]: array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4])

广播_x不需要重复（5,4）; （5,1）就足够了。

广播进行虚拟重复。这可以用以下broadcast_to函数说明：

In [648]: np.broadcast_to(np.arange(5)[:,None],(5,4))                                                
Out[648]: 
array([[0, 0, 0, 0],
       [1, 1, 1, 1],
       [2, 2, 2, 2],
       [3, 3, 3, 3],
       [4, 4, 4, 4]])
In [649]: _.strides                                                                                  
Out[649]: (8, 0)

就是这样，0大步重复，没有复制。as_strided是最有用的stride_tricks功能，尤其是在执行诸如移动窗口之类的操作时。通常，我们只是让自动广播来完成工作，而不必过多担心操作方式。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。