索引多维数组答案

【问题标题】：Indexing Multi-dimensional arrays索引多维数组
【发布时间】：2015-11-04 21:54:51
【问题描述】：

我知道多维 numpy 数组可能会被其他数组索引，但我没有弄清楚以下是如何工作的：

我想要 raster 中的项目，一个 3d numpy 数组，基于 indx，一个 3d 索引数组：

raster=np.random.rand(5,10,50)
indx=np.random.randint(0, high=50, size=(5,10,3))

我想要的是另一个维度为indx 的数组，它根据indx 的索引保存raster 的值。

【问题讨论】：

您可以将预期的输出添加到您的问题中吗？并解释一下你获得该输出的逻辑是什么？

标签： python arrays numpy multidimensional-array indexing

【解决方案1】：

为了在广播期间正确解析您的索引，我们需要两个数组 a 和 b 以便 raster[a[i,j,k],b[i,j,k],indx[i,j,k]] 将是 raster[i,j,indx[i,j,k]] 对应范围内的 i,j,k对于indx 的轴。最简单的解决方案是：

x,y,z = indx.shape
a,b,_ = np.ogrid[:x,:y,:z]
raster[a,b,indx]

其中np.ogrid[...] 创建了三个形状为(x,1,1)、(1,y,1) 和(1,1,z) 的数组。我们不需要最后一个，所以我们把它扔掉。现在，当其他两个使用 indx 广播时，它们的行为完全符合我们的需要。

【讨论】：

【解决方案2】：

如果我正确理解了这个问题，对于indx 的每一行，您都在尝试索引raster 中的相应行，但列号取决于indx 中的实际值。因此，有了这个假设，您可以使用使用线性索引的矢量化方法，就像这样 -

M,N,R = raster.shape
linear_indx = R*np.arange(M*N)[:,None] + indx.reshape(M*N,-1)
out = raster.ravel()[linear_indx].reshape(indx.shape)

【讨论】：

【解决方案3】：

我假设您想从每个 3 维数组中获取 3 个随机值。

感谢advanced indexing，您可以通过列表理解来做到这一点

这是一个使用较少数量的值和整数的示例，因此输出更易于阅读：

import numpy as np

raster=np.random.randint(0, high=1000, size=(2,3,10))
indices=np.random.randint(0, high=10, size=(2,3,3))
results = np.array([ np.array([ column[col_indices] for (column, col_indices) in zip(row, row_indices) ]) for (row, row_indices) in zip(raster, indices) ])

print("Raster:")
print(raster)
print("Indices:")
print(indices)
print("Results:")
print(results)

输出：

Raster:
[[[864 353  11  69 973 475 962 181 246 385]
  [ 54 735 871 218 143 651 159 259 785 383]
  [532 476 113 888 554 587 786 172 798 232]]

 [[891 263  24 310 652 955 305 470 665 893]
  [260 649 466 712 229 474   1 382 269 502]
  [323 513  16 236 594 347 129  94 256 478]]]
Indices:
[[[0 1 2]
  [7 5 1]
  [7 8 9]]

 [[4 0 2]
  [6 1 4]
  [3 9 2]]]
Results:
[[[864 353  11]
  [259 651 735]
  [172 798 232]]

 [[652 891  24]
  [  1 649 229]
  [236 478  16]]]

它同时迭代 raster 和 indices 中相应的 3 维数组，并使用高级索引从 raster 中分割所需的索引。

这是一个更详细的版本，它做同样的事情：

results = []
for i in range(len(raster)):
    row = raster[i]
    row_indices = indices[i]
    row_results = []
    for j in range(len(row)):
        column = row[j]
        column_indices = row_indices[j]
        column_results = column[column_indices]
        row_results.append(column_results)
    results.append(np.array(row_results))
results = np.array(results)

【讨论】：