Question

我之前曾问过类似的问题，但我还不完全确定numpy如何组织其指数。

我正在使用许多3D阵列，所有这些都是相同的大小。由于后来的操作（查看为scipy和其他窗口）我需要切片我正在做的数组，看起来像这样的一系列操作：

imFrag.append(Padded[:100, :100, :100)

将数组拆分为8个。我试图获得每个切片的原始索引。我可以使用以下方法为整个3d数组执行此操作：

np.where(Mat  == Mat)

它给了我一个包含x，y和z组件的元组。有没有办法可以做到这一点？

谢谢！

Answer 1

考虑存储切片对象而不是存储片段

your_slice = np.s_[:100, :100, :100]

获取图片

Padded[your_slice]

获取用于创建切片的索引

your_slice[0].start
your_slice[0].step
your_slice[0].stop

无论您关心哪个维度

Answer 2

让我们尝试一些小的和2d：

In [102]: Mat = np.arange(16).reshape(4,4)    
In [103]: sub = Mat[2:,:2]

In [104]: Mat
Out[104]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [105]: sub
Out[105]: 
array([[ 8,  9],
       [12, 13]])

您是否想知道sub中发生了Mat的方法？

在一般实践中，最好的办法是坚持索引元组

In [106]: ind=(slice(2,None),slice(None,2))

In [107]: Mat[ind]
Out[107]: 
array([[ 8,  9],
       [12, 13]])

In [108]: Mat[ind] += sub   # duplicate the sub values

In [109]: Mat
Out[109]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [16, 18, 10, 11],
       [24, 26, 14, 15]])

（如果您更喜欢冒号语法，np.s_是构建这样一个元组的好方法。）

我想我可以从Mat和sub中的信息中推断出这种切片，例如

In [120]: Mat.__array_interface__['data'][0],Mat.shape,Mat.strides,Mat.itemsize
Out[120]: (169022104, (4, 4), (16, 4), 4)

In [121]: sub.__array_interface__['data'][0],sub.shape,sub.strides
Out[121]: (169022136, (2, 2), (16, 4))

但它需要了解数据的存储和访问方式。对于像这样的简单切片应该不会太难。对于更一般的那些，例如有步骤和转置的那些，会更难。

但我从来没有必要这样做。挂在原始的切片元组上更容易。如果您进行高级索引（创建副本而不是视图），则挂起索引或屏蔽是唯一的方法。

=====================

关注你的评论：

In [140]: I,J=np.where(sub==sub) 

In [141]: ind
Out[141]: (slice(2, None, None), slice(None, 2, None))

In [142]: Mat[2+I,0+J]    # 0 inplace of None for J
Out[142]: array([16, 18, 24, 26])

所以是的，您可以使用sub中的索引来查找Mat中的相应元素。使用where(sub==sub)获取所有索引会让我有点烦恼。 meshgrid和mgrid可以使用，但它们需要生成范围。我不能想到一个带有形状的函数并给出相应的I,J。

I,J=np.array(list(np.ndindex(sub.shape))).T

会做，但不漂亮。

numpy ndarray索引 - 从元组中检索索引

2 个答案: