Question

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:。

Answer 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))

Answer 2

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)

如何确定在numpy中包含“ None”和“：”的切片？

2 个答案: