python numpy数组由整个数组索引

Question

t_index = np.argsort(adj, axis = 0)[:,::-1]  # 54 x 54 shape   
t = np.sort(adj, axis= 0)[:,::-1] # 54 x 54
t[5:,] = 0
adj = t[t_index] # 54 x 54 x 54

返回的不是 54 x 54 形状，而是 54 x 54 x 54。如何获得相同的形状？为什么是三维的？

Answer 1

让我举一个例子来说明谁使用t[t_index]语法来帮助您理解它是如何工作的。我有时使用整数数组来使用调色板来表示图像。 256 种颜色(rgb 值)中的每一种都存储在形状为 (256, 3) 的托盘数组中。图像存储为 0 到 255 之间的 (1000, 1000) 整数数组，或托盘数组中的索引。如果我想创建一个 RGB 图像，例如出于显示目的，我会使用 rgbimage = Pallet[image] 创建一个 RGB 图像，即 (1000, 1000, 3)。

更新: 我看到您已经在 include argsort 中更新了您的问题，也许您正在尝试做类似的事情 this question 。对于二维数组，简短版本如下所示:

s = np.random.random((54, 54))
t = np.random.random((54, 54))
axis = 0

t_index = s.argsort(axis)
idx = np.ogrid[:t.shape[0], :t.shape[1]]
idx[axis] = t_index
t_sort = t[idx]

我一直在寻找关于其工作原理的良好解释，但我似乎找不到一个好的解释。如果有人对 ogrid 的工作原理或 numpy 索引中的广播工作原理有很好的引用，请在评论中留言。我会写一个简短的解释，应该会有帮助。 假设 t 是一个二维数组，我想从每列中挑选 2 个元素，我会执行以下操作:

t = np.arange((12)).reshape(3, 4)
print t
# [[ 0,  1,  2,  3],
#  [ 4,  5,  6,  7],
#  [ 8,  9, 10, 11]]

print t[[0, 3], :]
# [[ 0  1  2  3]
#  [ 8  9 10 11]]

现在假设我想要每一行都有不同的元素，我可能会尝试:

row_index = [[0, 2],
             [0, 2],
             [1, 2],
             [0, 1]]
t[row_index]
# Which in python is the same as
t[row_index, :]

但这行不通。这种行为并不奇怪，因为 : 表示每一列。在前面的示例中，我们得到了 0 的每一列和 2 的每一列。我们真正想要的是:

row_index = [[0, 2],
             [0, 2],
             [1, 2],
             [0, 1]]
column_index = [[0, 0],
                [1, 1],
                [2, 2],
                [3, 3]]
t[row_index, column_index]

Numpy 还允许我们作弊并使用以下内容，因为这些值只是重复的:

column_index = [[0],
                [1],
                [2],
                [3]]

了解broadcasting为了更好地理解这一点。我希望这个解释对您有所帮助。