4

如果我有这样的 ndarray：

>>> a = np.arange(27).reshape(3,3,3)
>>> 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],
        [24, 25, 26]]])

我知道我可以使用以下方法获得沿某个轴的最大值np.max(axis=...)：

>>> a.max(axis=2)
array([[ 2,  5,  8],
       [11, 14, 17],
       [20, 23, 26]])

或者，我可以沿该轴获取对应于最大值的索引：

>>> indices = a.argmax(axis=2)
>>> indices
array([[2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])

我的问题 - 给定数组indices和数组a，是否有一种优雅的方式来重现数组返回的数组a.max(axis=2)？

这可能会起作用：

import itertools as it
import numpy as np
def apply_mask(field,indices):
    data = np.empty(indices.shape)

    #It seems highly likely that there is a more numpy-approved way to do this.
    idx = [range(i) for i in indices.shape]
    for idx_tup,zidx in zip(it.product(*idx),indices.flat):
        data[idx_tup] = field[idx_tup+(zidx,)]
    return data

但是，这似乎很老套/效率低下。它也不允许我将它与“最后一个”轴以外的任何轴一起使用。是否有一个 numpy 函数（或使用一些神奇的 numpy 索引）来完成这项工作？天真a[:,:,a.argmax(axis=2)]是行不通的。

更新：

似乎以下内容也有效（并且更好一点）：

import numpy as np
def apply_mask(field,indices):
    data = np.empty(indices.shape)

    for idx_tup,zidx in np.ndenumerate(indices):
        data[idx_tup] = field[idx_tup+(zidx,)]

    return data

我想这样做是因为我想根据 1 个数组中的数据（通常使用argmax(axis=...)）提取索引，并使用这些索引从一堆其他（等效形状）数组中提取数据。我对实现此目的的替代方法持开放态度（例如，使用布尔掩码数组）。但是，我喜欢使用这些“索引”数组获得的“安全性”。有了这个，我保证有正确数量的元素来创建一个新数组，它看起来像一个通过 3d 字段的 2d“切片”。

4

2 回答 2

3

这是一些神奇的 numpy 索引，可以满足您的要求，但不幸的是它非常难以阅读。

def apply_mask(a, indices, axis):
    magic_index = [np.arange(i) for i in indices.shape]
    magic_index = np.ix_(*magic_index)
    magic_index = magic_index[:axis] + (indices,) + magic_index[axis:]
    return a[magic_index]

或同样不可读：

def apply_mask(a, indices, axis):
    magic_index = np.ogrid[tuple(slice(i) for i in indices.shape)]
    magic_index.insert(axis, indices)
    return a[magic_index]
于 2013-03-18T04:33:10.613 回答
-1

我index_at()用来创建完整的索引：

import numpy as np

def index_at(idx, shape, axis=-1):
    if axis<0:
        axis += len(shape)
    shape = shape[:axis] + shape[axis+1:]
    index = list(np.ix_(*[np.arange(n) for n in shape]))
    index.insert(axis, idx)
    return tuple(index)

a = np.random.randint(0, 10, (3, 4, 5))

axis = 1
idx = np.argmax(a, axis=axis)
print a[index_at(idx, a.shape, axis=axis)]
print np.max(a, axis=axis)
于 2013-03-18T06:01:10.253 回答