1

我想从 suitCounts 中选择 maxsuit 中指定的第 n 个元素。我确实广播了 maxsuit 数组，所以我得到了一个结果，但不是想要的。任何我在概念上做错的建议都值得赞赏。我不明白 的结果np.choose(self.maxsuit[:,:,None]-1, self.suitCounts)，这不是我想要的。

>>> self.maxsuit
Out[38]: 
array([[3, 3],
       [1, 1],
       [1, 1]], dtype=int64)

>>> self.maxsuit[:,:,None]-1
Out[33]: 
array([[[2],
        [2]],

       [[0],
        [0]],

       [[0],
        [0]]], dtype=int64)
>>> self.suitCounts
Out[34]: 
array([[[2, 1, 3, 0],
        [1, 0, 3, 0]],

       [[4, 1, 2, 0],
        [3, 0, 3, 0]],

       [[2, 2, 0, 0],
        [1, 1, 1, 0]]])
>>> np.choose(self.maxsuit[:,:,None]-1, self.suitCounts)
Out[35]: 
array([[[2, 2, 0, 0],
        [1, 1, 1, 0]],

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

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

期望的结果是：

[[3,3],[4,3],[2,1]]
4

2 回答 2

1

您可以使用advanced-indexing广播方式来索引数组，如下所示 -

In [415]: val     # Data array
Out[415]: 
array([[[2, 1, 3, 0],
        [1, 0, 3, 0]],

       [[4, 1, 2, 0],
        [3, 0, 3, 0]],

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

In [416]: idx     # Indexing array
Out[416]: 
array([[3, 3],
       [1, 1],
       [1, 1]])

In [417]: m,n = val.shape[:2]

In [418]: val[np.arange(m)[:,None],np.arange(n),idx-1]
Out[418]: 
array([[3, 3],
       [4, 3],
       [2, 1]])

np.ogrid使用开放范围数组的更简洁的方法-

In [424]: d0,d1 = np.ogrid[:m,:n]

In [425]: val[d0,d1,idx-1]
Out[425]: 
array([[3, 3],
       [4, 3],
       [2, 1]])
于 2016-10-31T12:12:32.507 回答
0

这是我能做的最好的选择

In [23]: np.choose([[1,2,0],[1,2,0]], suitcounts[:,:,:3])
Out[23]: 
array([[4, 2, 3],
       [3, 1, 3]])

choose更喜欢我们使用数组列表，而不是单个数组。它应该防止滥用。所以问题可以写成：

In [24]: np.choose([[1,2,0],[1,2,0]], [suitcounts[0,:,:3], suitcounts[1,:,:3], suitcounts[2,:,:3]])
Out[24]: 
array([[4, 2, 3],
       [3, 1, 3]])

这个想法是根据索引数组从 3 个子数组中选择项目，例如：

In [25]: np.array([[1,2,0],[1,2,0]])
Out[25]: 
array([[1, 2, 0],
       [1, 2, 0]])

输出将在形状上匹配索引数组。choise 数组的形状也匹配，因此我使用[...,:3].

第一列的值从 中选择suitcounts[1,:,:3]，第二列的值从suitcounts[2...]等中选择。

choose仅限于 32 种选择；这是广播机制施加的限制。

说到广播我可以简化表达

In [26]: np.choose([1,2,0], suitcounts[:,:,:3])
Out[26]: 
array([[4, 2, 3],
       [3, 1, 3]])

这会广播[1,2,0]以匹配子阵列的 2x3 形状。

我可以通过重新排序列来获得目标顺序：

In [27]: np.choose([0,1,2], suitcounts[:,:,[2,0,1]])
Out[27]: 
array([[3, 4, 2],
       [3, 3, 1]])
于 2016-10-31T17:05:48.300 回答