12

如果这是多余的或超级基本的，请原谅我。我从 R 来到 Python/Numpy，很难在脑海中翻来覆去。

我有一个维度数组，我想使用另一个 n 维索引值数组对其进行排序。我知道我可以将它包装在一个循环中，但似乎应该有一种非常简洁的 Numpyonic 方式来击败它以使其提交。这是我设置 n=2 问题的示例代码：

a1 = random.standard_normal(size=[2,5]) 
index = array([[0,1,2,4,3] , [0,1,2,3,4] ])

所以现在我有一个 2 x 5 的随机数数组和一个 2 x 5 的索引。我已经阅读了take()大约 10 次帮助，但显然我的大脑并没有理解它。

我认为这可能会让我到达那里：

take(a1, index)

array([[ 0.29589188, -0.71279375, -0.18154864, -1.12184984,  0.25698875],
       [ 0.29589188, -0.71279375, -0.18154864,  0.25698875, -1.12184984]])

但这显然只对第一个元素进行了重新排序（我推测是因为扁平化）。

关于如何从我所在的位置到按索引的元素 0 对 a1 的元素 0 进行排序的解决方案的任何提示...元素 n？

4

2 回答 2

13

我还想不出如何在 N 维度上工作，但这里是 2D 版本：

>>> a = np.random.standard_normal(size=(2,5))
>>> a
array([[ 0.72322499, -0.05376714, -0.28316358,  1.43025844, -0.90814293],
       [ 0.7459107 ,  0.43020728,  0.05411805, -0.32813465,  2.38829386]])
>>> i = np.array([[0,1,2,4,3],[0,1,2,3,4]]) 
>>> a[np.arange(a.shape[0])[:,np.newaxis],i]
array([[ 0.72322499, -0.05376714, -0.28316358, -0.90814293,  1.43025844],
       [ 0.7459107 ,  0.43020728,  0.05411805, -0.32813465,  2.38829386]])

这是N维版本：

>>> a[list(np.ogrid[[slice(x) for x in a.shape]][:-1])+[i]]

以下是它的工作原理：

好的，让我们从一个 3 维数组开始进行说明。

>>> import numpy as np
>>> a = np.arange(24).reshape((2,3,4))
>>> a
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

您可以通过指定沿每个轴的索引来访问此数组的元素，如下所示：

>>> a[0,1,2]
6

这相当于a[0][1][2]如果我们处理的是列表而不是数组，您将如何访问相同的元素。

Numpy 让您在切片数组时变得更漂亮：

>>> a[[0,1],[1,1],[2,2]]
array([ 6, 18])
>>> a[[0,1],[1,2],[2,2]]
array([ 6, 22])

如果我们正在处理列表，这些示例将等效于[a[0][1][2],a[1][1][2]]并且。[a[0][1][2],a[1][2][2]]

你甚至可以省略重复的索引，numpy 会找出你想要的。例如，上面的例子可以等价地写成：

>>> a[[0,1],1,2]
array([ 6, 18])
>>> a[[0,1],[1,2],2]
array([ 6, 22])

您在每个维度中切片的数组（或列表）的形状只会影响返回数组的形状。换句话说，numpy 并不关心您在(2,3,4)拉取值时是否尝试使用 shape 数组来索引您的数组，只是它会反馈给您一个 shape 数组(2,3,4)。例如：

>>> a[[[0,0],[0,0]],[[0,0],[0,0]],[[0,0],[0,0]]]
array([[0, 0],
       [0, 0]])

在这种情况下，我们a[0,0,0]一遍又一遍地抓取相同的元素，但是 numpy 返回一个与我们传入的形状相同的数组。

好的，关于你的问题。您想要的是使用数组中的数字沿最后一个轴对数组进行索引index。因此，对于您问题中的示例，您想要[[a[0,0],a[0,1],a[0,2],a[0,4],a[0,3]],a[1,0],a[1,1],...

正如我之前所说，您的索引数组是多维的这一事实并没有告诉 numpy 您想从哪里提取这些索引；它只是指定输出数组的形状。因此，在您的示例中，您需要告诉 numpy 前 5 个值将从中提取a[0]，后 5 个值从a[1]. 简单的！

>>> a[[[0]*5,[1]*5],index]

a它在 N 维上变得复杂，但让我们为我上面定义的 3 维数组做它。假设我们有以下索引数组：

>>> i = np.array(range(4)[::-1]*6).reshape(a.shape)
>>> i
array([[[3, 2, 1, 0],
        [3, 2, 1, 0],
        [3, 2, 1, 0]],

       [[3, 2, 1, 0],
        [3, 2, 1, 0],
        [3, 2, 1, 0]]])

因此，这些值都是沿最后一个轴的索引。我们需要告诉 numpy 这些数字要取自第一和第二轴上的哪些索引；即我们需要告诉 numpy 第一个轴的索引是：

i1 = [[[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]],

      [[1, 1, 1, 1],
       [1, 1, 1, 1],
       [1, 1, 1, 1]]]

第二个轴的索引是：

i2 = [[[0, 0, 0, 0],
       [1, 1, 1, 1],
       [2, 2, 2, 2]],

      [[0, 0, 0, 0],
       [1, 1, 1, 1],
       [2, 2, 2, 2]]]

然后我们可以这样做：

>>> a[i1,i2,i]
array([[[ 3,  2,  1,  0],
        [ 7,  6,  5,  4],
        [11, 10,  9,  8]],

       [[15, 14, 13, 12],
        [19, 18, 17, 16],
        [23, 22, 21, 20]]])

方便的 numpy 函数，它生成i1并被i2调用np.mgrid。np.ogrid由于我之前谈到的 numpy 魔法，我在我的答案中使用了这在这种情况下是等效的。

希望有帮助！

于 2012-06-06T21:11:17.367 回答
3

今天又玩了一些之后，我发现如果我使用映射器函数和 take 我可以像这样简单地解决二维版本：

a1 = random.standard_normal(size=[2,5]) 
index = array([[0,1,2,4,3] , [0,1,2,3,4] ]) 
map(take, a1, index)

我需要map()对take()每个元素a1

当然，接受的答案解决了 n 维版本。但是回想起来，我确定我真的不需要 n 维解决方案，只需要二维版本。

于 2012-06-07T16:45:09.420 回答