Question

我有一个2d numpy数组：data.shape ==（n，8），另一个ind.shape =（n，4）。 ind数组与数据的长度相同，并包含像[4,3,0,6]这样的索引。如何创建另一个shape ==（n，4）的数组，其中包含来自ind的索引指定的数据中的元素？我的实际数组很长（shape [0]），所以循环很慢。必须有比循环更好的方法吗？

import numpy as np
# Example data
data = np.array([[ 0.44180102, -0.05941365,  2.1482739 , -0.56875081, -1.45400572,
        -1.44391254, -0.33710766, -0.44214518],
       [ 0.79506417, -2.46156966, -0.09929341, -1.07347179,  1.03986533,
        -0.45745476,  0.58853107, -1.08565425],
       [ 1.40348682, -1.43396403,  0.8267174 , -1.54812358, -1.05854445,
         0.15789466, -0.0666025 ,  0.29058816]])
ind = np.array([[3, 4, 1, 5],
                [4, 7, 0, 1],
                [5, 1, 3, 6]])

# This is the part I want to vectorize:
out = np.zeros(ind.shape)
for i in range(ind.shape[0]):
    out[i,:] = data[i,ind[i,:]]

# This should be good
assert np.all(out == np.array([[-0.56875081, -1.45400572, -0.05941365, -1.44391254],
                        [ 1.03986533, -1.08565425,  0.79506417, -2.46156966],
                        [ 0.15789466, -1.43396403, -1.54812358, -0.0666025 ]]))

Answer 1

如果我们索引raveled data数组，那么这很容易做到：

out = data.ravel()[ind.ravel() + np.repeat(range(0, 8*ind.shape[0], 8), ind.shape[1])].reshape(ind.shape)

解释

可能更容易理解它是否分为三个步骤：

indices = ind.ravel() + np.repeat(range(0, 8*ind.shape[0], 8), ind.shape[1])
out = data.ravel()[indices]
out = out.reshape(ind.shape)

ind包含我们想要的data元素的相关信息。不幸的是，它以二维指数表示。上面的第一行将这些转换为1-D raveled indices的{{1}}。上面的第二行从raveled数组data中选择那些元素。第三行将2-D形状恢复为data。由out表示的2-D索引转换为ind ind具有索引

Answer 2

你想要的是这样的：

import numpy as np
data = np.array([[ 0.4, -0.1,  2.1, -0.6, -1.5, -1.4, -0.3, -0.4],
                 [ 0.8, -2.5, -0.1, -1.1,  1. , -0.5,  0.6, -1.1],
                 [ 1.4, -1.4,  0.8, -1.5, -1.1,  0.2, -0.1,  0.3]])
expected = np.array([[-0.6, -1.5, -0.1, -1.4],
                     [ 1. , -1.1,  0.8, -2.5],
                     [ 0.2, -1.4, -1.5, -0.1]])

indI = np.array([[0, 0, 0, 0],
                 [1, 1, 1, 1],
                 [2, 2, 2, 2]])
indJ = np.array([[3, 4, 1, 5],
                 [4, 7, 0, 1],
                 [5, 1, 3, 6]])
out = data[indI, indJ]
assert np.all(out == expected)

请注意，indI和indJ的形状相同，而且

out[i, j] == data[indI[i, j], indJ[i, j]]

适用于所有i和j。

您可能已经注意到indI非常重复。由于numpy的broadcasting魔法，你可以简单地indI来：

indI = np.array([[0],
                 [1],
                 [2]])

你可以用几种不同的方式构建这种indI数组，这是我的最爱：

a, b = indJ.shape
indI, _ = np.ogrid[:a, :0]
out = data[indI, indJ]

使用另一个2d数组的索引提取二维数组的元素

2 个答案:

解释