我有一个 3D data = NxMxD
numpy 数组,和另一个 2D idx = NxM
整数数组,其值在 [0, D- 范围内1]
。我想对每个 data = NxM
条目执行基本更新,更新深度由该位置的 idx
数组指定。
例如,对于N = M = D = 2
:
data = np.zeros((2,2,2))
idx = np.array([[0,0],[1, 1]], int)
我想执行一个简单的操作,例如:
data[..., idx] += 1
我的预期输出是:
>>> data
array([[[ 1., 0.],
[ 1., 0.]],
[[ 0., 1.],
[ 0., 1.]]])
idx
指示每个 2D 坐标应更新哪个 D
。上面的操作不行。
我找到了this approach在 SO 中,它通过使用以下方法解决了索引问题:
data[np.arange(N)[:, None], np.arange(M)[None, :], idx] += 1
它工作正常,但看起来非常可怕,需要手动索引整个矩阵,这似乎是一个非常简单的操作(使用一个矩阵作为最后一个 channel 的索引掩码)。
有没有更好的解决办法?
最佳答案
使用numpy.ix_
,它看起来并不那么可怕,但使用花式索引的基本思想仍然是相同的
x = np.arange(N)
y = np.arange(M)
xx,yy = np.ix_(x,y)
data[xx,yy,idx] += 1
注意
问题是您想要更改data
的值。如果您只想根据 idx
获得值,您可以这样做
out = np.choose(idx,data.transform(2,0,1))
但是,这为您提供了 data
值的副本,而不是 View ,这意味着
out += 1
对数据
中的值没有影响。
关于numpy - 使用 2D 整数数组索引 3D 数组的最后一个维度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30512313/