Question

我想知道什么是最简单的方法来创建一个二维数组，每个行的索引都是另一个多维数组。

例如，让我们说我有一个4x4的立方体，＆＃34;指数矩阵＆＃34;将是以下内容：

np.concatenate([
    np.expand_dims(curr.ravel(),axis=0).T
    for curr
    in np.meshgrid(
        np.arange(4),
        np.arange(4),
        np.arange(4)
    )
],axis=1)

具有以下结果：

array([[0, 0, 0],
      [0, 0, 1],
      [0, 0, 2],
      [0, 0, 3],
      [1, 0, 0],
      [1, 0, 1],
      ...
      [2, 3, 2],
      [2, 3, 3],
      [3, 3, 0],
      [3, 3, 1],
      [3, 3, 2],
      [3, 3, 3]])

除了看起来第二列应该代替第一列这一事实外，还有更多的＆＃34; numpythonic＆＃34;如何以更紧凑的方式创建相同或相似的矩阵？

如果存在一个只接受任意多维数组并返回它的索引表的函数，那就太好了。

Answer 1

您可以使用np.indices：

>>> a = np.random.random((4,4,4))
>>> np.indices(a.shape).reshape((a.ndim, -1)).T
array([[0, 0, 0],
       [0, 0, 1],
       [0, 0, 2],
       [0, 0, 3],
       [0, 1, 0],
       [0, 1, 1],
[...]
       [3, 3, 2],
       [3, 3, 3]])

还有其他实用程序，例如np.ndindex，具体取决于您的使用案例。（FWIW我不认为获得你正在寻找的形式的坐标会像你想象的那样有用，但是YMMV。）

Answer 2

我认为

list(itertools.product(range(4),range(4),range(4)))

更pythonic。 ..（请注意，如果您愿意，可以使用numpy.array而不是列表...）

Answer 3

如果存在一个只接受任意多维数组并返回它的索引表的函数，那就太好了。

如果我理解您的问题，可以：indices：

i = np.indices(a.shape)

这不会以您想要的形状提供结果：

>>> a = np.array([[1,2], [3,4], [5,6]])
>>> print(np.indices(a.shape))
[[[0 0]
  [1 1]
  [2 2]]

 [[0 1]
  [0 1]
  [0 1]]]

...但你可以将它展平并转置它：

[[0 0]
 [0 1]
 [1 0]
 [1 1]
 [2 0]
 [2 1]]

Answer 4

以下是我认为你实际上想要做的事情。来自您的评论：

我需要测试存储在三维数组中的一些概率值。如果它们通过了一些测试条件，那么我将它们添加到将在三维散点图中可视化的坐标列表中。

让我们说，为了简单起见，测试很简单，就像“积极”一样。因此，我们只是将数组转换为每个元素的“元素为正”的布尔数组，这只是arr > 0，然后使用nonzero来获取该布尔数组的真实索引：

>>> arr = np.array([[-1, 1], [2, -2], [-3, -3]])
>>> print(arr > 0)
[[False  True]
 [ True False]
 [False False]]
>>> print(np.nonzero(arr > 0))
(array([0, 1]), array([1, 0]))

不能比那简单得多。

更简单的方法来创建矩阵/索引列表？

4 个答案: