我想不出如何在N维工作这还,但
这里是2D版本:
>>> a = np.random.standard_normal(size=(2,5))
>>> a
array([[ 0.72322499, -0.05376714, -0.28316358, 1.43025844, -0.90814293],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
>>> i = np.array([[0,1,2,4,3],[0,1,2,3,4]])
>>> a[np.arange(a.shape[0])[:,np.newaxis],i]
array([[ 0.72322499, -0.05376714, -0.28316358, -0.90814293, 1.43025844],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
这里是N维版本:
>>> a[list(np.ogrid[[slice(x) for x in a.shape]][:-1])+[i]]
下面是它的工作方式:
好吧,让我们从一个3维数组开始说明。
>>> import numpy as np
>>> a = np.arange(24).reshape((2,3,4))
>>> 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]]])
您可以通过在每个轴上指定索引按如下方式访问这个数组的元素:
>>> a[0,1,2]
6
这是a[0][1][2]
相当于是你将如何访问,如果我们处理相同的元素一个列表而不是一个数组。
numpy的允许您切片阵列时得到更炫:
>>> a[[0,1],[1,1],[2,2]]
array([ 6, 18])
>>> a[[0,1],[1,2],[2,2]]
array([ 6, 22])
这些例子就相当于[a[0][1][2],a[1][1][2]]
和[a[0][1][2],a[1][2][2]]
如果我们处理列表。
你甚至可以忽略重复的索引,numpy会找出你想要的。例如,上述实施例可以被等效地写成:
>>> a[[0,1],1,2]
array([ 6, 18])
>>> a[[0,1],[1,2],2]
array([ 6, 22])
阵列(或列表)的形状与您在每个维度切片仅影响形状返回的数组的。换句话说,numpy并不关心你试图用一个形状为(2,3,4)
的数组索引你的数组,除非它将回馈一个形状为(2,3,4)
的数组。例如:
>>> a[[[0,0],[0,0]],[[0,0],[0,0]],[[0,0],[0,0]]]
array([[0, 0],
[0, 0]])
在这种情况下,我们敛相同元件,a[0,0,0]
一遍一遍,但如我们在通过numpy的被返回的数组具有相同形状
好的,到。你的问题。你想要的是用你的index
数组中的数字为最后一个轴上的数组编号。因此,对于你想要的问题中的例子,你需要3210
事实上你的索引数组是多维的,就像我之前说的那样,并不能告诉numpy关于你想从哪里获取这些索引的任何事情;它只是指定了输出数组的形状。因此,在您的示例中,您需要告诉numpy前5个值将从a[0]
中提取,后5个值将从a[1]
中提取。简单!
>>> a[[[0]*5,[1]*5],index]
它变得复杂在N个维度,但让我们做它的3维阵列a
我方式如上所定义。假设我们有以下索引数组:
>>> i = np.array(range(4)[::-1]*6).reshape(a.shape)
>>> i
array([[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]],
[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]]])
所以,这些值都是针对沿着最后一个轴的索引。我们需要告诉numpy沿着第一和第二轴的这些数字是从哪些指数取得的;也就是说,我们需要告诉numpy的,对于第一轴的指标是:
i1 = [[[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]]
和第二轴的指标是:
i2 = [[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]],
[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]]]
那么我们可以这样做:
>>> a[i1,i2,i]
array([[[ 3, 2, 1, 0],
[ 7, 6, 5, 4],
[11, 10, 9, 8]],
[[15, 14, 13, 12],
[19, 18, 17, 16],
[23, 22, 21, 20]]])
产生i1
和i2
的方便numpy功能称为np.mgrid
。我在我的回答中使用了np.ogrid
,这在这种情况下是相当的,因为我之前提到过的那种无聊的魔法。
希望有帮助!
所以,如果我理解正确,你想重新排序'索引'的每一行索引'a1'的每个“行”?换句话说,如果你是1D,a1.take(索引),但是对于每一行都这样做? –
是。因此,通过第一行索引排序a1的第一行,并通过索引的第二行排列a1的第二行。当a1增长到n维时,那么指数也是如此。 –