python - 使用索引数组中的索引元组索引多维数组 - NumPy/Python

Question

我有一个维度为 (6,m,n) 的 3-D numpy 数组 a。我还有一个 6 维 bool numpy 数组 b，其维度 (20,20,20,20,20,20) 可以有效地用作掩码。

我想使用第一个数组中每个位置 (m,n) 的 6 个值来检索第二个数组中的相应值。实际上，我会将 3D int 数组压缩为 2D boolean 数组。我认为解决方案是使用 np.where，但我认为它不能处理使用值作为索引。

这个的简单实现是这样的:

for i in range(m):
    for j in range(n):
         new_arr[i,j]=b[tuple(a[:,i,j])]

有什么方法可以不使用循环来实现吗？

Answer 1

方法 #1

将 a reshape 为 2D，保持第一个轴长度不变。将每个这样的二维扁平 block 转换为元组，然后索引到 b。此元组转换导致沿第一个轴将每个元素打包为一个索引器，以从 b 中选择一个元素。最后需要进行整形以获得 2D 输出。因此，实现看起来像这样 -

b[tuple(a.reshape(6,-1))].reshape(m,n)

或者，跳过所有 reshape 的困惑并简单地做 -

b[tuple(a)]

这会创建相同的索引器并解决问题。

方法 #2

或者，我们也可以计算扁平化索引，然后用这些索引到扁平化 b 中，并从中提取相关的 bool 值 -

b.ravel()[np.ravel_multi_index(a,b.shape)]

大型数据集上的计时 -

In [89]: np.random.seed(0)
    ...: m,n = 500,500
    ...: b = np.random.rand(20,20,20,20,20,20)>0.5
    ...: a = np.random.randint(0,20,(6,m,n))

In [90]: %timeit b[tuple(a)]
14.6 ms ± 184 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [91]: %timeit b.ravel()[np.ravel_multi_index(a,b.shape)]
7.35 ms ± 136 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)