1

我明白如何

x=np.array([[1, 2], [3, 4], [5, 6]] 
y = x[[0,1,2], [0,1,0]]

输出给出y= [1 4 5]这只是将第一个列表作为行和秒列表和列。

但是以下如何工作？

x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]]) 

rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols]

这给出了输出：

[[ 0  2]                                                                      
 [ 9 11]]

你能解释一下使用 ndarrays 作为切片对象时的逻辑吗？为什么它对行和列都有一个二维数组。当切片对象是 ndarray 而不是 python 列表时，规则有何不同？

4

3 回答 3

1

我们有以下数组x 

x = np.array([[1, 2], [3, 4], [5, 6]]

以及索引[0, 1, 2]和[0, 1, 0]索引时x

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

给

[1,  4,  5]

我们使用的索引基本上可以转换为：

[0, 1, 2] & [0, 1, 0] --> [0,0], [1,1], [2,0]

由于我们使用一维列表作为索引，我们得到一维数组作为结果。

有了这些知识，让我们看看下一个案例。现在，我们将数组x设为：

x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]])

现在索引是二维数组。

rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])

当索引到数组中时，x如下所示：

x[rows,cols]

简单翻译为：

[[0,0],[3,3]]
  | |   | |      ====> [[0,0]], [[0,2]], [[3,0]], [[3,2]]
[[0,2],[0,2]]

现在，很容易观察到这 4 个list of list索引到数组中时如何x给出以下结果（即，这里它只是从我们的数组中返回角元素x）：

[[ 0,  2]                                                                      
 [ 9, 11]]

请注意，在这种情况下，我们将结果作为 2D 数组（与第一种情况下的 1D 数组相反），因为我们的索引rows&columns本身是 2D 数组（即等效地list of list），而在第一种情况下，我们的索引是 1D 数组（或等效地简单list没有任何嵌套）。

因此，如果您需要二维数组作为结果，则需要将二维数组作为索引。

于 2018-01-11T15:03:08.857 回答
1

了解这一点的最简单方法是以下观察：输出的形状由索引数组的形状决定，或者更准确地说，由将所有索引数组广播在一起所产生的形状决定。

像这样看：你有一个A给定形状的数组和另一个形状的数组V，你想A用V. 你需要指定什么？好吧，对于中的每个位置，A您都需要指定 中某些元素的坐标V。因此，如果V是 ND，您需要 N 个与该形状相同A或至少可广播的索引数组。然后V通过将这些索引数组放在[]表达式中的坐标位置来进行索引。

于 2018-01-11T13:19:41.120 回答
1

为了简单起见，我们将保持 2D 并假设rows.shape= cols.shape。（你可以通过广播打破这条规则，但现在我们不会）。我们称这个形状(I, J)

那么y = x[rows, cols]是一样的：

y = np.empty((I, J))
for i in range(I):
    for j in range(J):
        y[i, j] = x[rows[i, j], cols[i, j]]
于 2018-01-11T13:19:55.253 回答