用 2D 整数数组索引 3D 数组的最后一维答案

【问题标题】：Indexing the last dimension of a 3D array with a 2D integer array用 2D 整数数组索引 3D 数组的最后一维
【发布时间】：2015-08-11 07:13:24
【问题描述】：

我有一个 3D data = NxMxD numpy 数组和另一个 2D idx = NxM 整数数组，其值在 [0, D-1] 的范围内。我想在该位置的idx 数组给定的深度对每个data = NxM 条目执行基本更新。

例如，对于N = M = D = 2：

data = np.zeros((2,2,2))
idx = np.array([[0,0],[1, 1]], int)

我想执行一个简单的操作，例如：

data[..., idx] += 1

我的预期输出是：

>>> data
array([[[ 1.,  0.],
        [ 1.,  0.]],

       [[ 0.,  1.],
        [ 0.,  1.]]])

idx 为每个 2D 坐标指示应该更新哪个 D。上述操作无效。

我在 SO 中找到了this approach，它通过以下方式解决了索引问题：

data[np.arange(N)[:, None], np.arange(M)[None, :], idx] += 1

它工作正常，但看起来非常可怕，需要手动索引整个矩阵，这似乎是一个非常简单的操作（使用一个矩阵作为最后一个通道的索引掩码）。

有没有更好的解决方案？

【问题讨论】：

【解决方案1】：

numpy.ix_ 看起来并不可怕，但使用花哨索引的基本思想仍然相同

x = np.arange(N)
y = np.arange(M)

xx,yy = np.ix_(x,y)

data[xx,yy,idx] += 1

注意

问题是您想更改data 的值。如果您只是想根据idx 获得值，您可以这样做

out = np.choose(idx,data.transform(2,0,1))

但是，这会为您提供data 值的副本，而不是视图，这意味着

out += 1

对data 中的值没有影响。

【讨论】：