Question

假如我有4D numpy维数：10 x 10 x 10 x 10，我想根据我所知的某些索引获得3D子集（例如（[1,2]，0，[5,6] ]，[9,0]）。我该如何做到这一点，如果我的指数不是连续的，我该怎么办？比如我的例子？

例如，如果我尝试这样做：

test[0:2, 0, 3:5, 0:2]

我按预期得到一个2 x 2 x 2阵列。但是，如果我尝试明确定义每个维度值，如下所示：

test[[0,1], 0, [3,4], [0,1]]

我改为获得一个2 x 1阵列。我究竟做错了什么？

Answer 1

区别在于基本索引和高级索引。使用切片和标量进行索引是“基本的”。当一个或多个索引是列表或数组时，它使用“高级”。 Docs on advanced v basic indexing

有多种方法可以生成所需的索引类型。 np.ix_旨在简化这一过程：

In [80]: np.ix_([0,1], [0], [3,4], [0,1])
Out[80]: 
(array([[[[0]]],


        [[[1]]]]), array([[[[0]]]]), array([[[[3],
          [4]]]]), array([[[[0, 1]]]]))

In [79]: arr[np.ix_([0,1], [0], [3,4], [0,1])].shape
Out[79]: (2, 1, 2, 2)

要通过ix_传递所有索引，我必须将第二个列表作为列表。解决这个问题的方法是仅在3个列表中使用ix_，然后再添加0：

In [81]: I,J,K=np.ix_([0,1], [3,4], [0,1])
In [82]: arr[I,i,J,K].shape
Out[82]: (2, 2, 2)
In [83]: I,J,K
Out[83]: 
(array([[[0]],

        [[1]]]), array([[[3],
         [4]]]), array([[[0, 1]]]))

注意索引数组的形状：

In [84]: I.shape
Out[84]: (2, 1, 1)
In [85]: J.shape
Out[85]: (1, 2, 1)
In [86]: K.shape
Out[86]: (1, 1, 2)

他们一起广播成（2,2,2）形状。所以任何以这种方式广播的索引数组都应该有效。您可以使用

制作J

In [87]: J
Out[87]: 
array([[[3],
        [4]]])
In [88]: np.array([3,4])[None,:,None]
Out[88]: 
array([[[3],
        [4]]])

Numpy：从4D阵列切片3D阵列？

1 个答案: