Question

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：

我想拥有来自raster的项目，这是一个基于indx的3d numpy数组，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，该数组根据raster的索引保存indx的值。

Answer 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]] raster[i,j,indx[i,j,k]]为i，在j轴的相应范围内k，indx。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]

np.ogrid[...]创建三个形状为(x,1,1)，(1,y,1)和(1,1,z)的数组。我们不需要最后一个，所以我们扔掉它。现在，当其他两个用indx广播时，它们的行为完全符合我们的需要。

Answer 2

如果我正确理解了问题，那么对于indx的每一行，您都要尝试索引raster中的相应行，但列数会因{{1}中的实际值而异}}。因此，根据该假设，您可以使用使用线性索引的矢量化方法，如此 -

indx

Answer 3

我假设你想从每个第三维数组中获得3个随机值。

感谢advanced indexing

，您可以通过列表理解来完成此操作

这是一个使用较少数量的值和整数的示例，因此输出更容易阅读：

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)

<强>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]]]

它在 raster 和 indices 中的相应第三维数组上同时迭代，并使用高级索引从 raster 中切割所需的索引。 / p>

这是一个更详细的版本，完全相同：

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)

索引多维数组

3 个答案: