Question

我有一个numpy（n x n x n）的ndmatrix，为了以特定的方式对我的数据进行一些采样，我进行了矢量化，给了我（1 x n ^ 3）。

我想采用单个矢量化索引并将它们转换回形式为（n x n x n）的n维索引。我不确定实际上有多么颠簸矢量化矩阵。

有人可以提供建议吗？

Answer 1

Numpy有一个函数unravel_index几乎可以做到这一点：给出一套“平坦”的函数。 index，它将返回每个维度中索引数组的元组：

>>> indices = np.arange(25, dtype=int)
>>> np.unravel_index(indices, (5, 5))
(array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4,
        4, 4], dtype=int64),
 array([0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2,
        3, 4], dtype=int64))

然后，您可以zip获取原始索引。

请注意，矩阵可以表示为＆＃39;行序列＆＃39; （C惯例，'C'）或＆＃39;列序列＆＃39; （Fortran惯例，'F'），或更高维度的相应约定。 numpy中矩阵的典型扁平化将保留该顺序，因此[[1, 2], [3, 4]]可以展平为[1, 2, 3, 4]（如果它具有＆＃39; C＆＃39;顺序）或[1, 3, 2, 4]（如果有＆＃39; F＆＃39;命令）。如果您想更改默认值（{C＆＃39;），unravel_index会选择order参数，因此您可以这样做：

>>> # Typically, transposition will change the order for
>>> # efficiency reasons: no need to change the data !
>>> n = np.random.random((2, 2, 2)).transpose() 
>>> n.flags.f_contiguous
True
>>> n.flags.c_contiguous
False
>>> x, y, z = np.unravel_index([1,2,3,7], (2, 2, 2), order='F')

如何找到矢量化矩阵numpy的索引

1 个答案: