Question

说我有一个3维numpy数组：

np.random.seed(1145)
A = np.random.random((5,5,5))

我有两个与第二和第三维对应的索引列表：

second = [1,2]
third = [3,4]

我想选择与

对应的numpy数组中的元素

A[:][second][third]

因此切片数组的形状为(5,2,2)和

A[:][second][third].flatten()

相当于：

In [226]:

for i in range(5):
    for j in second:
        for k in third:
            print A[i][j][k]

0.556091074129
0.622016249651
0.622530505868
0.914954716368
0.729005532319
0.253214472335
0.892869371179
0.98279375528
0.814240066639
0.986060321906
0.829987410941
0.776715489939
0.404772469431
0.204696635072
0.190891168574
0.869554447412
0.364076117846
0.04760811817
0.440210532601
0.981601369658

有没有办法以这种方式切割numpy数组？到目前为止，当我尝试A[:][second][third]时，我得到IndexError: index 3 is out of bounds for axis 0 with size 2，因为第一维的[:]似乎被忽略了。

Answer 1

Numpy使用多个索引，因此您可以 - 而且应该 - 使用A[1][2][3]而不是A[1,2,3]。

您可能认为可以A[:, second, third]，但是numpy索引是广播，广播second和third（两个一维序列）最终成为zip的numpy等价物，因此结果形状为(5, 2)。

您真正想要的是使用second和third的外部产品进行索引。您可以通过制作其中一个来进行广播，将second称为具有形状（2,1）的二维数组。然后广播second和third产生的形状为(2,2)。

例如：

In [8]: import numpy as np

In [9]: a = np.arange(125).reshape(5,5,5)

In [10]: second = [1,2]

In [11]: third = [3,4]

In [12]: s = a[:, np.array(second).reshape(-1,1), third]

In [13]: s.shape
Out[13]: (5, 2, 2)

请注意，在此特定示例中，second和third中的值是连续的。如果这是典型的，您可以简单地使用切片：

In [14]: s2 = a[:, 1:3, 3:5]

In [15]: s2.shape
Out[15]: (5, 2, 2)

In [16]: np.all(s == s2)
Out[16]: True

这两种方法有一些非常重要的区别。

第一种方法也适用于与切片不等效的索引。例如，如果second = [0, 2, 3]，它将起作用。（有时你会看到这种索引方式被称为“花式索引”。）
在第一种方法（使用广播和“花式索引”）中，数据是原始数组的副本。在第二种方法（仅使用切片）中，数组s2是a使用的同一内存块的视图。一个就地改变将改变它们。

Answer 2

一种方法是使用np.ix_：

>>> out = A[np.ix_(range(A.shape[0]),second, third)]
>>> out.shape
(5, 2, 2)
>>> manual = [A[i,j,k] for i in range(5) for j in second for k in third]
>>> (out.ravel() == manual).all()
True

缺点是您必须明确指定缺失的坐标范围，但可以将其包装到函数中。

Answer 3

我认为您的方法存在三个问题：

second和third都应为slices
由于'to'索引是独占的，因此它们应该从1转到3，从3转到5
您应该使用A[:][second][third]

A[:,second,third]

试试这个：

>>> np.random.seed(1145)
>>> A = np.random.random((5,5,5))                       
>>> second = slice(1,3)
>>> third = slice(3,5)
>>> A[:,second,third].shape
(5, 2, 2)
>>> A[:,second,third].flatten()
array([ 0.43285482,  0.80820122,  0.64878266,  0.62689481,  0.01298507,
        0.42112921,  0.23104051,  0.34601169,  0.24838564,  0.66162209,
        0.96115751,  0.07338851,  0.33109539,  0.55168356,  0.33925748,
        0.2353348 ,  0.91254398,  0.44692211,  0.60975602,  0.64610556])

使用索引列表切割n维numpy数组

3 个答案: