Question

我面临的情况是，我有一个非常大的numpy.ndarray（实际上，它是一个hdf5数据集），我需要快速找到一个子集，因为它们的整个数组不能保存在内存中。但是，我也不想迭代这样的数组（甚至声明内置的numpy迭代器会抛出MemoryError），因为我的脚本需要几天才能运行。

因此，我面临着迭代数组的某些维度的情况，这样我就可以在完整数组的削减子集上执行数组操作。为此，我需要能够动态切出数组的子集。动态切片意味着构造一个元组并传递它。

例如，而不是

my_array[0,0,0]

我可以使用

my_array[(0,0,0,)]

问题在于：如果我想手动切除阵列特定尺寸/轴上的所有值，我可以做类似的事情

my_array[0,:,0]
> array([1, 4, 7])

但是，如果我使用元组，那么这不起作用：

my_array[(0,:,0,)]

我将获得SyntaxError。

当我必须动态构造切片以将某些东西放在数组的括号中时，我该怎么做呢？

Answer 1

你可以使用python＆＃39; s slice切片 automaticaly ：

>>> a = np.random.rand(3, 4, 5)
>>> a[0, :, 0]
array([ 0.48054702,  0.88728858,  0.83225113,  0.12491976])
>>> a[(0, slice(None), 0)]
array([ 0.48054702,  0.88728858,  0.83225113,  0.12491976])

slice方法读为slice(*start*, stop[, step])。如果只传递一个参数，则将其解释为slice(0, stop)。

在上面的示例中，:被翻译为slice(0, end)，相当于slice(None)。

其他切片示例：

:5 -> slice(5)
1:5 -> slice(1, 5)
1: -> slice(1, None)
1::2 -> slice(1, None, 2)

Answer 2

好的，我终于像其他人一样找到了答案。

假设我有数组：

my_array[...]
>array(
  [[[ 1,  2,  3],
    [ 4,  5,  6],
    [ 7,  8,  9]],

   [[10, 11, 12],
    [13, 14, 15],
    [16, 17, 18]]])

我可以使用slice对象，这显然是一件事：

sl1 = slice( None )
sl2 = slice( 1,2 )
sl3 = slice( None )
ad_array.matrix[(sl1, sl2, sl3)]
>array(
  [[[ 4,  5,  6]],

   [[13, 14, 15]]])

动态Python数组切片

2 个答案: