我正在替代itertools.product
作为练习,而我的方法是使用np.broadcast
:
import numpy as np
x = np.array([4,3,1])
y = np.array([2,4,0])
z = np.array([0,1,2])
ix = np.broadcast(x[:,None,None], y[None,:,None], z[None, None, :])
print(*ix)
这次工作正常,但是如果我愿意,如何自动创建所有这些“按眼睛排列”的新轴,比如说7个尺寸:
[:,None,None,None,None,None,None]
[None,:,None,None,None,None,None]
[None,None,:,None,None,None,None]
[None,None,None,:,None,None,None]
[None,None,None,None,:,None,None]
[None,None,None,None,None,:,None]
[None,None,None,None,None,None,:]
我期望np.ix_之类的东西允许在分配这些切片时使用所有这些None
和:
。
答案 0 :(得分:1)
每个索引都是一个n
元素元组。每个元组的 diagonal 元素,即第i
个元组的第i
个元素,是一个slice
对象。具体来说,:
代表slice(None)
。 (通常,x:y:z
是对象slice(x, y, z)
,所有缺少的元素都是None
,尽管必须至少提供一个参数)。
arguments = [(None,)*i + (slice(None),) + (None,)*(6-i) for i in range(7)]
# E.g., i == 0 -> () + (slice(None),) + (None, None, None, None, None, None)
# == (slice(None), None, None, None, None, None, None)
ix = np.broadcast(*(x[arg] for arg in arguments))
答案 1 :(得分:1)
方法1
可以使用相同的眼睛排列来重塑所有参与的数组-
A = [x,y,z] # all arrays
s = 1-2*np.eye(len(A), dtype=int)
out = [a.reshape(i) for i,a in zip(s,A)]
这是使用s
进行整形的技巧部分:
In [53]: s
Out[53]:
array([[-1, 1, 1], # reshape to keep all axes singleton except first
[ 1, -1, 1], # .. second
[ 1, 1, -1]]) # ... third
因此,考虑将[-1, 1, 1]
整形以使除第一个轴以外的所有轴保持单身。与[:,None,None]
相同,依此类推。
方法2
使用相同的眼睛布置获取索引器-
idx = np.where(np.eye(len(A)), Ellipsis, None)
out = [a[tuple(i)] for a,i in zip(A,idx)]
索引器是:
In [77]: idx
Out[77]:
array([[Ellipsis, None, None],
[None, Ellipsis, None],
[None, None, Ellipsis]], dtype=object)