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?
最佳答案
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。
关于python numpy数组由整个数组索引,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19415595/