Question

我有ndarray m维度（2,3,4）。我想选择一个特定的维度索引并总结其他所有内容：

m[:, 2, :].sum()

但是我需要一个函数来处理元素选择，因为ndarray可以有不同的维度，并且总和应该跨越不同的切片。该函数将获取感兴趣的维度（此处为0,1或2）和索引（0,1或2），如果输入为（1,2），则返回m[:, 2, :].sum()。如果是（2,0），我希望它等于m[:, :, 0].sum()。

我不知道如何编写这样的函数，这可以让我把切片放到＆＃34;：＆＃34;变成一个变量呢？到目前为止，我还没有找到解决方案。谢谢！

Answer 1

您可以将切片:放入带sl = slice(None, None, None)的变量中。但是，numpy有一个简写，np.s_[:]

总体而言：

def sum_axis_i(arr, axis, i):
    idx = (np.s_[:],) * axis + (i,)
    return arr[idx].sum()

请注意，尾随:是多余的，因此我们不必费心创建它们。

如果您使用与np.index_exp非常相似的np.s_，则可以写下：

def sum_axis_i(arr, axis, i):
    idx = np.index_exp[:] * axis + np.index_exp[i]
    return arr[idx].sum()

Answer 2

您可以通过动态创建tuple slice：

来实现

def sum_layer_axis(array, layer, axis):
    slicer = tuple(slice(None) if ax != axis else layer for ax in range(array.ndim))
    return np.sum(array[slicer])

只是为了说明这是如何工作的，考虑从slice：

解释的内容

class Fun(object):
    def __getitem__(self, item):
        return item
Fun()[:, 2, :]
# (slice(None, None, None), 2, slice(None, None, None))

所以我们需要重新创建（但我们不需要指定None的3倍，一个就足够了）。这可以通过生成器表达式实现：

tuple(slice(None) if ax != axis else layer for ax in range(array.ndim))

因此，只要轴不是想要的轴，只需插入:等效物：slice(None)，否则插入指定的图层。

测试结果：

a = np.arange(3*4*5).reshape((3,4,5))

axis = 1
layer = 2
a[:, layer, :].sum()
# 480
sum_layer_axis(a, layer, axis)
# 480

Answer 3

这可能不是最有效的，但应该有效：

m = np.arange(60).reshape((3,4,5))

def my_sum(m, dim, index):
    dims = tuple(i for i in xrange(m.ndim) if i != dim)
    return m.sum(axis=dims)[index]

print my_sum(m,1,2)
print m[:,2,:].sum()

Answer 4

这是一种方法，它将第一个轴与输入轴交换，然后使用输入索引进行索引，这将选择上下文中的所有元素，最后将所有元素与最终结果相加。实施将是一个紧凑的实施np.swapaxes和np.sum，如此 -

def sum_axis_index(m, axis, index):    
    return m.swapaxes(0,axis)[index].sum()

选择一个ndarray的所有尺寸

4 个答案: