numpy的3D到2D变换基于二维掩模阵列

如果我有一个这样的ndarray：numpy的3D到2D变换基于二维掩模阵列

>>> a = np.arange(27).reshape(3,3,3) 
>>> a 
array([[[ 0, 1, 2], 
     [ 3, 4, 5], 
     [ 6, 7, 8]], 

     [[ 9, 10, 11], 
     [12, 13, 14], 
     [15, 16, 17]], 

     [[18, 19, 20], 
     [21, 22, 23], 
     [24, 25, 26]]])

我知道可以使用np.max(axis=...)得到沿某一轴的最大：

>>> a.max(axis=2) 
array([[ 2, 5, 8], 
     [11, 14, 17], 
     [20, 23, 26]])

替代地，我可以得到沿该轴的指数，其对应于来自以下的最大值：

>>> indices = a.argmax(axis=2) 
>>> indices 
array([[2, 2, 2], 
     [2, 2, 2], 
     [2, 2, 2]])

我的问题 - 给定数组indices和数组a，有没有一个优雅的方法来重现由a.max(axis=2)返回数组的数组？

这可能会工作：

import itertools as it 
import numpy as np 
def apply_mask(field,indices): 
    data = np.empty(indices.shape) 

    #It seems highly likely that there is a more numpy-approved way to do this. 
    idx = [range(i) for i in indices.shape] 
    for idx_tup,zidx in zip(it.product(*idx),indices.flat): 
     data[idx_tup] = field[idx_tup+(zidx,)] 
    return data

但是，它似乎很哈克/低效。它也不允许我在除“最后”轴以外的任何轴上使用它。是否有一个numpy函数（或使用神奇的numpy索引）来完成这项工作？天真的a[:,:,a.argmax(axis=2)]不起作用。

UPDATE：

看来下面也可以（并且是一个更好一点）：

import numpy as np 
def apply_mask(field,indices): 
    data = np.empty(indices.shape) 

    for idx_tup,zidx in np.ndenumerate(indices): 
     data[idx_tup] = field[idx_tup+(zidx,)] 

    return data

我想这样做，因为我想提取指数基于1个数组中的数据（通常使用argmax(axis=...)），并使用这些索引将数据从一堆其他（等同形状的）数组中取出。我愿意选择其他方法来完成这个任务（例如，使用布尔型屏蔽阵列）。但是，我喜欢使用这些“索引”数组的“安全”。有了这个，我保证有适当数量的元素来创建一个新的数组，这个数组看起来像是3D场中的2D切片。

来源

2013-03-18 mgilson

淘numpy的/ SciPy的几分钟后，我同意你的自我答案（ S）。最终，走“黑客”路线更具可读性和实用性。尽管如此，你可能对函数'ravel'，'ravel_multi_index'，'unravel_index'，'flat'和'flatten'感兴趣。 – 2013-03-18 04:19:18

下面是一些神奇的numpy索引，它可以做你想做的，但不幸的是它很难读。

def apply_mask(a, indices, axis): 
    magic_index = [np.arange(i) for i in indices.shape] 
    magic_index = np.ix_(*magic_index) 
    magic_index = magic_index[:axis] + (indices,) + magic_index[axis:] 
    return a[magic_index]

或同样不可读：

def apply_mask(a, indices, axis): 
    magic_index = np.ogrid[tuple(slice(i) for i in indices.shape)] 
    magic_index.insert(axis, indices) 
    return a[magic_index]

来源

2013-03-18 04:33:10

我其实喜欢'ogrid'路线比'np.ix_'好一点。无论出于何种原因，'np.ix_'对我的口味总是显得有点太神奇。 – mgilson 2013-03-18 12:09:43

-1

我用index_at()创建完整的索引：

import numpy as np 

def index_at(idx, shape, axis=-1): 
    if axis<0: 
     axis += len(shape) 
    shape = shape[:axis] + shape[axis+1:] 
    index = list(np.ix_(*[np.arange(n) for n in shape])) 
    index.insert(axis, idx) 
    return tuple(index) 

a = np.random.randint(0, 10, (3, 4, 5)) 

axis = 1 
idx = np.argmax(a, axis=axis) 
print a[index_at(idx, a.shape, axis=axis)] 
print np.max(a, axis=axis)

来源

2013-03-18 06:01:10 HYRY

numpy的3D到2D变换基于二维掩模阵列

回答

相关问题