Question

我想做以下事情：

for i in dimension1:
  for j in dimension2:
    for k in dimension3:
      for l in dimension4:
        B[k,l,i,j] = A[i,j,k,l]

不使用循环。最后，A和B包含相同的信息但索引不同。

我必须指出尺寸1,2,3和4可以相同或不同。所以numpy.reshape（）似乎很难。

Answer 1

在numpy中执行此操作的规范方法是使用np.transpose的可选置换参数。在您的情况下，从ijkl转到klij，排列为(2, 3, 0, 1)，例如：

In [16]: a = np.empty((2, 3, 4, 5))

In [17]: b = np.transpose(a, (2, 3, 0, 1))

In [18]: b.shape
Out[18]: (4, 5, 2, 3)

Answer 2

请注意：Jaime's answer更好。 NumPy正是为此目的提供np.transpose。

或使用np.einsum;这可能是对其预期目的的歪曲，但语法非常好：

In [195]: A = np.random.random((2,4,3,5))

In [196]: B = np.einsum('klij->ijkl', A)

In [197]: A.shape
Out[197]: (2, 4, 3, 5)

In [198]: B.shape
Out[198]: (3, 5, 2, 4)

In [199]: import itertools as IT    
In [200]: all(B[k,l,i,j] == A[i,j,k,l] for i,j,k,l in IT.product(*map(range, A.shape)))
Out[200]: True

Answer 3

你可以rollaxis两次：

>>> A = np.random.random((2,4,3,5))
>>> B = np.rollaxis(np.rollaxis(A, 2), 3, 1)
>>> A.shape
(2, 4, 3, 5)
>>> B.shape
(3, 5, 2, 4)
>>> from itertools import product
>>> all(B[k,l,i,j] == A[i,j,k,l] for i,j,k,l in product(*map(range, A.shape)))
True

或者可能swapaxes两次更容易理解：

>>> A = np.random.random((2,4,3,5))
>>> C = A.swapaxes(0, 2).swapaxes(1,3)
>>> C.shape
(3, 5, 2, 4)
>>> all(C[k,l,i,j] == A[i,j,k,l] for i,j,k,l in product(*map(range, A.shape)))
True

Answer 4

我会看一下numpy.ndarray.shape和itertools.product：

import numpy, itertools
A = numpy.ones((10,10,10,10))
B = numpy.zeros((10,10,10,10))

for i, j, k, l in itertools.product(*map(xrange, A.shape)):
    B[k,l,i,j] = A[i,j,k,l]

通过“不使用循环”，我假设你的意思是“不使用嵌套循环”，当然。除非有一些内置的numpy这样做，我认为这是你最好的选择。

Answer 5

也可以利用numpy.moveaxis()将所需的轴移动到所需位置。这是一个示例，从Jaime's answer窃取了示例：

In [160]: a = np.empty((2, 3, 4, 5))

# move the axes that are originally at positions [0, 1] to [2, 3]
In [161]: np.moveaxis(a, [0, 1], [2, 3]).shape 
Out[161]: (4, 5, 2, 3)

交换numpy数组的尺寸

5 个答案: