问题标签 [advanced-indexing]

我正在学习numpy框架。这段代码我看不懂。

该b数组返回数组的角值a，即b equals [[0,2],[9,11]]。

我知道必须有一种优雅的方式来使用高级索引来做到这一点，我只是想不通。

假设我有 (2,3,4) 数组

和 (4,) 数组y = array([1,0,1,1])

获得 (3,4) 数组的最优雅方法是什么

生产？

我正在比较同一数组的两个切片。这两个切片是相同的，只是它们在 [1] 轴上偏移。我比较这两个切片并在 while 循环中重复返回它们的最小值。

我的期望：数组的大小相对于彼此保持不变，按“偏移量”的值缩小

相反会发生什么：在第二次迭代中，其中一个数组的大小相对于另一个缩小，缩小幅度超过“offset”的值

由于我使用相同的偏移值来比较它们，并且作为 (xy) - 0 = x - (0 + y)，这些值必须相同。对于第一次迭代，它们是相同的，但对于第二次迭代，它们不是，正如您从打印输出中看到的那样。

我认为这个问题可能与按值传递问题有关，所以我尝试使用 copy.deepcopy，但这也不能解决问题。我还认为索引溢出索引可能有一个怪癖，所以我将高度和宽度设置为少一点，以防万一，但这也没有产生任何效果。我想知道我是否可能对切片或高级索引的工作方式有根本的误解。

这是打印输出：

这是我得到的错误，它在 while 循环的第二次迭代中触发：

这是我的代码：

我有一个表示稀疏 3-D 矩阵的压缩格式的张量。我需要将其转换为普通矩阵（它实际代表的矩阵）。因此，就我而言，矩阵的任何二维切片的每一行都只能包含一个非零元素。那么，作为数据，我对这些行中的每一行、值和它出现的索引都有。例如，张量

表示一个 4x5 矩阵（第一维来自张量的第一维，第二维来自元数据）A，其中A[0][2] = 1, A[1][4] = 3, A[2][0] = -1, A[3][1] = 45.

这只是我的矩阵的一个二维切片，我有可变数量的这些。我能够使用 sparse_coo_tensor 以下列方式对上述二维切片执行此操作：

这是实现这一目标的最佳方法吗？有没有更简单、更易读的替代方案？如何在不循环的情况下将其扩展到 3-D 矩阵？对于 3-D 矩阵，您可以想象输入类似于

inp_list = torch.stack([inp, inp, inp, inp])

并且所需的输出将是上述输出堆叠 4 次。

我觉得如果我正确地创建了一个索引数组，我应该能够做一些事情，但是如果不使用某种循环，我想不出一种方法来做到这一点。

我在 xarray 数据集中有一个纬度时间网格上的大气数据。我想沿着“路径”从该数据中进行选择，依此类推（纬度、经度、时间）坐标。

我曾尝试使用 xarray 高级索引。如果我只使用 (lat, lon)，我会得到预期的结果：具有新空间维度和现有时间维度的新 xarray 数据集。如果我还在高级索引中包含时间，我的新数据集将包含所有 NaN 值。

我的 xarray 数据集看起来像这样（小例子）：

我这样定义的新坐标：

例如 ts 看起来像这样：

然后我尝试进行高级索引：

产生 NaN 值：

任何人都可以帮我解决这个问题吗？

我有一个数组A[i,j]。myfunc最后一个索引包含将应用于每个函数i并产生输出的函数的各种输入值B[i]。但是，许多索引的值j不会B对myfunc. 这可以通过使用条件索引（例如C = C[C>mythreshold]for 循环）相对容易地切出相关值来实现，如下面的 MWE 所示：

我不得不把它分解成 for 循环，这样我就可以在A不删除整个数组的切片的情况下删除切片。这是因为我不能删除A[i,:]for onei的元素而不删除另一个的相应元素i。但是，为了提高速度，我想尽可能地进行矢量化 - 以避免 for 循环并i一次性完成所有操作。我怎样才能做到这一点？

注意：那是 MWE；实际情况具有更大的数组维度，因此我的数组将是A[i,j,k,l]and B[i,j]，因此 for 循环示例将类似于下面的代码。我认为额外的维度不会使事情复杂化，但值得一提以防万一。

我有一段我知道有效的 numpy 代码。我知道这一点，因为我已经在我的通用案例中成功地对其进行了测试。但是，经过两个小时的反复参考文档和反复试验，我得出了解决方案。我无法理解我如何知道如何直观地做到这一点。

设置：

目标：设置为 1 轴 1 的索引 0,1、轴 2 的 0,1、轴 3 的所有索引和轴 1 的索引 3,4、轴 2 的索引 3,4、轴 3 的所有索引

更明确的目标：将块 1 和 2 的前两行设置为 1，将块 3 和 4 的最后两行设置为 1

结果：

输出：

我倾向于相信我应该能够查看相关矩阵的形状、索引的形状以及索引操作以直观地了解输出。但是，我无法将这个故事放在我的脑海中。比如，它正在改变的子空间的最终形状是什么？你会如何解释这是如何工作的？

形状：

我想使用 BoolTensor 索引在 Pytorch 中对多维张量进行切片。我希望索引张量保留索引为真的部分，而将索引为假的部分切掉。

我的代码就像

我希望a[:, tr_indices, :, val_indices]是形状[5, 25, 5, 25]，但它返回[25, 5, 5]。结果是

我很困惑。谁能解释为什么？