将numpy数组从一个（2-D）复制到另一个（3-D）

Question

我试图复制一个数组，说 A (2-D) 到另一个数组，说 B (3-D)，它具有以下形状

A 是 m * n 数组，B 是 m * n * p 数组

我尝试了以下代码，但速度很慢，比如 1 秒/帧

for r in range (0, h):
    for c in range (0, w):
        x = random.randint(0, 20)
        B[r, c, x] = A[r, c]

我也阅读了一些关于花式索引的网站，但我仍然不知道如何在我的网站中应用它。

Answer 1

我提出了一个使用数组索引的解决方案。 M,N,P 是每个(m,n) 索引数组，指定将接收来自A 的数据的B 的m*n 个元素。

def indexing(A, p):
    m,n = A.shape
    B = np.zeros((m,n,p), dtype=int)
    P = np.random.randint(0, p, (m,n))
    M, N = np.indices(A.shape)
    B[M,N,P] = A
    return B

为了比较，原来的循环，和使用shuffle的解决方案

def looping(A, p):
    m, n = A.shape
    B = np.zeros((m,n,p), dtype=int)
    for r in range (m):
        for c in range (n):
            x = np.random.randint(0, p)
            B[r, c, x] = A[r, c]
    return B

def shuffling(A, p):
    m, n = A.shape
    B = np.zeros((m,n,p), dtype=int)
    B[:,:,0] = A
    map(np.random.shuffle, B.reshape(m*n,p))
    return B

对于 m,n,p = 1000,1000,20，时间为：

looping:    1.16 s
shuffling: 10 s
indexing:     271 ms

对于小的 m,n，循环是最快的。我的索引解决方案需要更多时间来设置，但实际分配速度很快。改组解决方案的迭代次数与原始解决方案一样多。

---

M,N 数组不必是满的。它们可以分别是列数组和行数组

M = np.arange(m)[:,None]
N = np.arange(n)[None,:]

或

M,N = np.ogrid[:m,:n]

这节省了一些时间，对于小型测试用例来说比大型测试用例更是如此。

---

一个可重复的版本：

def indexing(A, p, B=None):
    m, n = A.shape
    if B is None:
        B = np.zeros((m,n,p), dtype=int)
    for r in range (m):
        for c in range (n):
            x = np.random.randint(0, p)
            B[r, c, x] = A[r, c]
    return B
indexing(A,p,indexing(A,p))

如果A 的大小与B 的第一个 2 暗度不同，则必须更改索引范围。 A 也不一定是二维数组：

B[[0,0,2],[1,1,0],[3,4,5]] = [10,11,12]

Answer 2

假设 h=m、w=n 和 x=p，这应该与您在示例中的结果相同：

B[:,:,0]=A
map(np.random.shuffle, B.reshape(h*w,p))  

另请注意，我假设 Cmets 中 NPE 问题的答案是“是”