Question

我已经多次阅读过有关np.indices（）的文档，但我似乎无法理解它是什么。我已经多次使用它来看它的作用，但我仍然无法得到它。也许事情是我是编程的初学者所以我无法理解描述它的词语背后的想法。另外我不是母语为英语的人（尽管我没有问题）。我会非常感谢一些更简单的解释，可能是一些例子。谢谢。

Answer 1

假设你有一个矩阵M，其第（i，j）个元素等于

M_ij = 2*i + 3*j

定义此矩阵的一种方法是

i, j = np.indices((2,3))
M = 2*i + 3*j

产生

array([[0, 3, 6],
       [2, 5, 8]])

换句话说， np.indices返回可用作索引的数组。 i中的元素表示行索引：

In [12]: i
Out[12]: 
array([[0, 0, 0],
       [1, 1, 1]])

j中的元素表示列索引：

In [13]: j
Out[13]: 
array([[0, 1, 2],
       [0, 1, 2]])

Answer 2

已经发布的答案仍然很复杂，因此这是理解此问题的最简单方法。

步骤1：让我们创建一个 2x2网格

var captureOutboundLink = function(url) {
   if (window.ga) {
     try {
       ga('send', 'event', 'outbound', 'click', url, {
         'transport': 'beacon',
         'hitCallback': function(){document.location = url;}
       });
     } catch {
       document.location = url
     }
   } else {
     document.location = url
   }
}

步骤2：现在，让我们解开ids = np.indices((2,2))索引

i,j

这些是索引i, j = ids：

i,j

步骤3：了解print(i) [[0 0] [1 1]] print(j) [[0 1] [0 1]]的含义

想到它的简单方法是将配对成i,j ，即将(i0,j0), (i1,j1), (i2,j2), (i3,j3)的每个元素与i的对应元素进行匹配。

因此我们得到：j。

这些正是2x2网格的索引：

Answer 3

我已经理解了这段代码。

以下函数与np.indices（）具有相同的行为。

# fixed dimensions=(2,3,4)
def my_indices():
    dimensions = (2,3,4)
    A = np.empty(dimensions)
    # dimensions[0] = 2
    A[0, :, :] = 0
    A[1, :, :] = 1

    B = np.empty(dimensions)
    # dimensions[1] = 3
    B[:, 0, :] = 0
    B[:, 1, :] = 1
    B[:, 2, :] = 2

    C = np.empty(dimensions)
    # dimensions[2] = 4
    C[:, :, 0] = 0
    C[:, :, 1] = 1
    C[:, :, 2] = 2
    C[:, :, 3] = 3

    return [A, B, C]

致电

A, B, C = my_indices()
print(A.shape)
print(B.shape)
print(C.shape)
print('A\n', A)
print('B\n', B)
print('C\n', C)

结果

(2, 3, 4)
(2, 3, 4)
(2, 3, 4)
A
 [[[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]]

B
 [[[0. 0. 0. 0.]
  [1. 1. 1. 1.]
  [2. 2. 2. 2.]]

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

C
 [[[0. 1. 2. 3.]
  [0. 1. 2. 3.]
  [0. 1. 2. 3.]]

 [[0. 1. 2. 3.]
  [0. 1. 2. 3.]
  [0. 1. 2. 3.]]]

np.indices（）用例

def create_hsv_map():
    img_hsv = np.empty((180, 256, 3), np.uint8)
    hue, saturation = np.indices((180,256))
    img_hsv[:, :, 0] = hue
    img_hsv[:, :, 1] = saturation
    img_hsv[:, :, 2] = 255
    # ...

使用np.repeat（）代替np.indices（）的示例

def create_hsv_map2():
    img_hsv = np.empty((180, 256, 3), np.uint8)
    hue = np.repeat(np.arange(180).reshape(180, 1), repeats=256, axis=1)
    saturation = np.repeat(np.arange(256).reshape(1, 256), repeats=180, axis=0)
    img_hsv[:, :, 0] = hue
    img_hsv[:, :, 1] = saturation
    img_hsv[:, :, 2] = 255
    # ...

有人能解释一下numpy.indices（）吗？

3 个答案:

已经发布的答案仍然很复杂，因此这是理解此问题的最简单方法。