Question

我试图将二阶张量转换成二进制三阶张量。给定二阶张量作为amxn numpy数组：A，我需要取A中的每个元素值：x，并用向量：v替换它，其中维度等于A的最大值，但值为1递增在v的索引处对应于值x（即v [x] = 1）。我一直在关注这个问题：Increment given indices in a matrix，它解决了在2维坐标给出的索引处产生增量的数组。我一直在阅读答案，并尝试使用np.ravel_multi_index（）和np.bincount（）来做同样的事情，但有3维坐标，但我继续得到一个ValueError：“坐标数组中的无效条目”。这就是我一直在使用的：

def expand_to_tensor_3(array):
    (x, y) = array.shape
    (a, b) = np.indices((x, y))
    a = a.reshape(x*y)
    b = b.reshape(x*y)
    tensor_3 = np.bincount(np.ravel_multi_index((a, b, array.reshape(x*y)), (x, y, np.amax(array))))
    return tensor_3

如果您知道这里有什么问题或者知道更好的方法来实现我的目标，那么两者都会非常有用，谢谢。

Answer 1

您可以使用(A[:,:,np.newaxis] == np.arange(A.max()+1)).astype(int)。

以下是演示：

In [52]: A
Out[52]: 
array([[2, 0, 0, 2],
       [3, 1, 2, 3],
       [3, 2, 1, 0]])

In [53]: B = (A[:,:,np.newaxis] == np.arange(A.max()+1)).astype(int)

In [54]: B
Out[54]: 
array([[[0, 0, 1, 0],
        [1, 0, 0, 0],
        [1, 0, 0, 0],
        [0, 0, 1, 0]],

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

       [[0, 0, 0, 1],
        [0, 0, 1, 0],
        [0, 1, 0, 0],
        [1, 0, 0, 0]]])

检查A的几个元素：

In [55]: A[0,0]
Out[55]: 2

In [56]: B[0,0,:]
Out[56]: array([0, 0, 1, 0])

In [57]: A[1,3]
Out[57]: 3

In [58]: B[1,3,:]
Out[58]: array([0, 0, 0, 1])

表达式A[:,:,np.newaxis] == np.arange(A.max()+1)使用broadcasting将A的每个元素与np.arange(A.max()+1)进行比较。对于单个值，这看起来像：

In [63]: 3 == np.arange(A.max()+1)
Out[63]: array([False, False, False,  True], dtype=bool)

In [64]: (3 == np.arange(A.max()+1)).astype(int)
Out[64]: array([0, 0, 0, 1])

A[:,:,np.newaxis]是A的三维视图，其形状为(3,4,1)。添加了额外维度，以便与np.arange(A.max()+1)的比较广播到每个元素，从而得到形状为(3, 4, A.max()+1)的结果。

通过一个微不足道的变化，这将适用于n维数组。使用省略号...索引numpy数组意味着“所有其他维度”。所以

(A[..., np.newaxis] == np.arange(A.max()+1)).astype(int)

将n维数组转换为（n + 1）维数组，其中最后一个维度是A中整数的二进制指示符。这是一个具有一维数组的例子：

In [6]: a = np.array([3, 4, 0, 1])

In [7]: (a[...,np.newaxis] == np.arange(a.max()+1)).astype(int)
Out[7]: 
array([[0, 0, 0, 1, 0],
       [0, 0, 0, 0, 1],
       [1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0]])

Answer 2

你可以这样做：

tensor_3 = np.bincount(np.ravel_multi_index((a, b, array.reshape(x*y)),
                                            (x, y, np.amax(array) + 1)))

不同之处在于我在amax()结果中加1，因为ravel_multi_index()期望索引都严格小于维度，而不是小于或等于。

如果这是你想要的，我不能100％肯定;另一种使代码运行的方法是在mode='clip'中指定mode='wrap'或ravel_multi_index()，这会做一些不同的事情，我猜测不太正确。但你可以尝试一下。

Numpy：给定增量所需的索引，增加数组的元素

2 个答案: