t_index = np.argsort(adj, axis = 0)[:,::-1] # 54 x 54 shape
t = np.sort(adj, axis= 0)[:,::-1] # 54 x 54
t[5:,] = 0
adj = t[t_index] # 54 x 54 x 54
不是返回54 x 54的形状,而是54 x 54 x 54.如何才能获得相同的形状?为什么它是三维的?
答案 0 :(得分:2)
让我举一个例子,说明我们使用t[t_index]
语法来帮助您了解其工作原理。我有时使用整数数组来表示使用颜色托盘的图像。 256种颜色rgb值中的每一种都存储在具有形状(256,3)的托盘阵列中。图像存储为0到255之间的(1000,1000)个整数的数组,或索引到托盘阵列中的索引。如果我想创建一个rgb图像,例如为了显示目的,我会rgbimage = pallet[image]
创建一个rgb图像,它是(1000,1000,3)。
更新: 我看到你已经在include argsort中更新了你的问题,也许你正在尝试做类似this question的事情。对于2d数组,短版本看起来像这样:
s = np.random.random((54, 54))
t = np.random.random((54, 54))
axis = 0
t_index = s.argsort(axis)
idx = np.ogrid[:t.shape[0], :t.shape[1]]
idx[axis] = t_index
t_sort = t[idx]
我一直在寻找一个很好的解释,但是我似乎无法找到一个好的解释。如果有人对ogrid
的工作方式有很好的参考,或者如何在numpy索引中进行广播,请在评论中留言。我会写一个简短的解释,应该有所帮助。
让我们说t
是一个二维数组,我想从每一列中挑出2个元素,我会做以下几点:
t = np.arange((12)).reshape(3, 4)
print t
# [[ 0, 1, 2, 3],
# [ 4, 5, 6, 7],
# [ 8, 9, 10, 11]]
print t[[0, 3], :]
# [[ 0 1 2 3]
# [ 8 9 10 11]]
现在想象我想要每行不同的元素,我可能会尝试:
row_index = [[0, 2],
[0, 2],
[1, 2],
[0, 1]]
t[row_index]
# Which in python is the same as
t[row_index, :]
但这不起作用。这种行为应该不足为奇,因为:
表示每一列。在前面的例子中,我们得到每列为0,每列为2.我们真正想要的是:
row_index = [[0, 2],
[0, 2],
[1, 2],
[0, 1]]
column_index = [[0, 0],
[1, 1],
[2, 2],
[3, 3]]
t[row_index, column_index]
Numpy也让我们作弊并使用以下内容,因为这些值只是重复:
column_index = [[0],
[1],
[2],
[3]]
了解broadcasting以更好地理解这一点。我希望这个解释很有用。