我正在尝试使用来自argmin(或相关的argmax等函数)的2D数组索引来索引大型3D数组。这是我的示例数据:
import numpy as np
shape3d = (16, 500, 335)
shapelen = reduce(lambda x, y: x*y, shape3d)
# 3D array of [random] source integers
intcube = np.random.uniform(2, 50, shapelen).astype('i').reshape(shape3d)
# 2D array of indices of minimum value along first axis
minax0 = intcube.argmin(axis=0)
# Another 3D array where I'd like to use the indices from minax0
othercube = np.zeros(shape3d)
# A 2D array of [random] values I'd like to assign in othercube
some2d = np.empty(shape3d[1:])
此时,两个3D阵列具有相同的形状,而minax0
阵列具有形状(500,335)。现在,我想使用some2d
将2D数组othercube
中的值分配给3D数组minax0
,作为第一维的索引位置。这就是我正在尝试的,但不起作用:
othercube[minax0] = some2d # or
othercube[minax0,:] = some2d
抛出错误:
ValueError:花式索引中的维度太大
注意:我目前使用的是什么,但不是非常NumPythonic:
for r in range(shape3d[1]):
for c in range(shape3d[2]):
othercube[minax0[r, c], r, c] = some2d[r, c]
我一直在网上挖掘找到可以索引othercube
的类似例子,但我找不到任何优雅的东西。这需要advanced index吗?有什么提示吗?
答案 0 :(得分:9)
基本上,您需要定义每个minidx
适用的j和k。 numpy并没有从形状中推断出它。
:
i = minax0
k,j = np.meshgrid(np.arange(335), np.arange(500))
othercube[i,j,k] = some2d