Question

请考虑使用complete -F $(./a.out --generate-autocomplete-config) ./a.out D1，形状为numpy.ndarray。
我想构建一个形状为(10,N,M)的新ndarray O1。这样：

每个元素是一个三元组，用于标识元素在D1上的索引
根据索引在D1中相应字段的值对索引进行排序
对于每个(N*M,3)，0≤i≤N，仅考虑10个维度上的最小元素。

让我们考虑一个2而不是10的小例子，目前的方法部分实现了我的目标：

0≤j≤M

通过这种方式，我获得了元素相对于2维的最小索引，但我失去了有关D1中初始索引的信息。

在这种情况下，预期输出应为：

>>> d1 = np.random.randint(20, size=2*3*3).reshape(2,3,3)

array([[[ 2,  6, 18],
        [18, 18, 10],
        [ 2,  3,  1]],

        [[11,  3, 14],
        [12, 14, 18],
        [ 6,  8, 19]]])

>>> d2 = np.amin(d1, axis=0)

array([[ 2,  3, 14],
       [12, 14, 10],
       [ 2,  3,  1]])

>>> o1 = np.dstack(np.unravel_index(np.argsort(d2.ravel()), d2.shape))

array([[[2, 2],
        [0, 0],
        [2, 0],
        [0, 1],
        [2, 1],
        [1, 2],
        [1, 0],
        [0, 2],
        [1, 1]]])

Answer 1

A structured array is a handy way to work with the indices and minimum values at the same time:

M, N = d1.shape[1:]
mi, ni = np.ogrid[:M, :N]
data = np.empty((M, N), [('coords', np.intp, 3), ('min', d1.dtype)])
data['coords'][..., 0] = mi
data['coords'][..., 1] = ni
data['coords'][..., 2] = np.argmin(d1, axis=0)
data['min'] = np.min(d1, axis=0)

data = data.ravel()  # collapse (M, N) to (M*N,)
data_sorted = data[np.argsort(data['min'])]
o1 = data_sorted['coords']

But you can also get there easily from your code:

d2 = np.min(d1, axis=0)
arg_d2 = np.argmin(d1, axis=0)
order = np.argsort(d2.ravel())
mi, ni = np.unravel_index(order, d2.shape)
o1 = np.stack((mi, ni, arg_d2.ravel()[order]), axis=-1)  # dstack but faster

通过保留有关原始索引的信息，对ndarrays上的min进行排序

1 个答案: