1

我正在尝试将完整的索引集提取到 N 维立方体中，这似乎np.mgrid正是我所需要的。例如，np.mgrid[0:4,0:4]生成一个 4 x 4 矩阵，其中包含相同形状数组中的所有索引。

问题是我想根据另一个数组的形状在任意数量的维度上执行此操作。即，如果我有一个任意维度的数组a，我想做类似的事情idx = np.mgrid[0:a.shape]，但不允许使用这种语法。

是否可以构建我需要np.mgrid工作的切片？或者是否有其他一些优雅的方式来做到这一点？以下表达式可以满足我的需要，但它相当复杂并且可能效率不高：

np.reshape(np.array(list(np.ndindex(a.shape))),list(a.shape)+[len(a.shape)])
4

2 回答 2

2

我通常使用np.indices：

>>> a = np.arange(2*3).reshape(2,3)
>>> np.mgrid[:2, :3]
array([[[0, 0, 0],
        [1, 1, 1]],

       [[0, 1, 2],
        [0, 1, 2]]])
>>> np.indices(a.shape)
array([[[0, 0, 0],
        [1, 1, 1]],

       [[0, 1, 2],
        [0, 1, 2]]])
>>> a = np.arange(2*3*5).reshape(2,3,5)
>>> (np.mgrid[:2, :3, :5] == np.indices(a.shape)).all()
True
于 2012-11-07T15:53:09.217 回答
1

我相信以下内容可以满足您的要求：

>>> a = np.random.random((1, 2, 3))
>>> np.mgrid[map(slice, a.shape)]
array([[[[0, 0, 0],
         [0, 0, 0]]],


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


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

它产生完全相同的结果，np.mgrid[0:1,0:2,0:3]只是它使用a' 形状而不是硬编码尺寸。

于 2012-11-07T15:54:59.270 回答