我有一个 numpy nd 数组。我的任务的一个简化版本是从每个轴获取一个向量。举例说明:
import numpy
x = numpy.array(range(24)).reshape((2,3,4))
x0 = x[0,0,:]
x1 = x[0,:,0]
x2 = x[:,0,0]
但是我不一定知道 x 的维数。因此,挑战在于如何将冒号:索引运算符放在可变位置。此类语法的示例:
n = x.ndim
ind = list(np.zeros(n))
dim = 0
ind[dim] = ':'
y = x[ind]
或
y = indexer.index(x,ind)
对于一些模块索引器。我可以写它,但我觉得这一定已经解决了,我不可能是唯一一个想这样做的人。例如,在 MATLAB 中,您可以使用 subsref() 函数执行此操作。
python/numpy/其他模块中是否存在任何此类结构?
最佳答案
根据 numpy
关于 indexing 的文档中的建议你可以使用slice
内置函数和元组连接以创建变量索引。
事实上,下标中的 :
只是 slice
文字的文字符号。
特别是 :
等同于 slice(None)
(它本身等同于 slice(None, None, None)
其中参数是 start
、stop
和 step
)。
例如:
a[(0,) * N + (slice(None),)]
相当于:
a[0, 0, ..., 0, :] # with N zeros
切片的 :
表示法只能直接在下标内使用。例如这失败了:
In [10]: a[(0,0,:)]
File "<ipython-input-10-f41b33bd742f>", line 1
a[(0,0,:)]
^
SyntaxError: invalid syntax
要允许从任意维度的数组中提取切片,您可以编写一个简单的函数,例如:
def make_index(num_dimension, slice_pos):
zeros = [0] * num_dimension
zeros[slice_pos] = slice(None)
return tuple(zeros)
并将其用作:
In [3]: a = np.array(range(24)).reshape((2, 3, 4))
In [4]: a[make_index(3, 2)]
Out[4]: array([0, 1, 2, 3])
In [5]: a[make_index(3, 1)]
Out[5]: array([0, 4, 8])
In [6]: a[make_index(3, 0)]
Out[6]: array([ 0, 12])
您可以概括make_index
来做任何事情。要记住的重要一点是,它最终应该返回一个包含整数或 slice
的 tuple
。
关于Python:在任意维度中使用冒号运算符索引数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24432209/