python – 通过没有循环的2D索引数组索引2D numpy数组

发布时间：2020-12-16 23:33:36 所属栏目：Python 来源：网络整理

导读：我正在寻找一种矢量化的方法来索引numpy.array的numpy.array索引. 例如： import numpy as npa = np.array([[0,3,4],[5,6,0],[0,1,9]])inds = np.array([[0,1],[1,2],2]]) 我想构建一个新数组,使得该数组中的每一行(i)都是数组a的一行(i),由数组inds(i)的行

我正在寻找一种矢量化的方法来索引numpy.array的numpy.array索引.

例如：

import numpy as np

a = np.array([[0,3,4],[5,6,0],[0,1,9]])

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

我想构建一个新数组,使得该数组中的每一行(i)都是数组a的一行(i),由数组inds(i)的行索引.我想要的输出是：

array([[ 0.,3.],# a[0][:,1]]
       [ 6.,0.],# a[1][:,2]] 
       [ 0.,9.]])  # a[2][:,2]]

我可以用循环实现这个目的：

def loop_way(my_array,my_indices):
    new_array = np.empty(my_indices.shape)
    for i in xrange(len(my_indices)):
        new_array[i,:] = my_array[i][:,my_indices[i]]
    return new_array

但我正在寻找一种纯粹的矢量化解决方案.

解决方法

使用索引数组索引另一个数组时,每个索引数组的形状应与输出数组的形状匹配.您希望列索引与inds匹配,并且您希望行索引与输出的行匹配,例如：

array([[0,[2,2]])

由于广播,您可以使用上面的单个列,因此您可以使用np.arange(3)[：,None]是垂直范围,因为None会插入新轴：

>>> np.arange(3)[:,None]
array([[0],[1],[2]])

最后,一起：

>>> a[np.arange(3)[:,None],inds]
array([[0,3],# a[0,1]]
       [6,# a[1,2]] 
       [0,9]])  # a[2,2]]

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!