Question

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？

Answer 1

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。

由整个数组索引的python numpy数组

1 个答案: