在python中访问第n维答案

【问题标题】：Access n-th dimension in python在python中访问第n维
【发布时间】：2018-01-09 18:43:38
【问题描述】：

我想要对多维 numpy 数组的某些部分进行易于阅读的访问。对于任何数组来说，访问第一个维度都很容易 (b[index])。另一方面，访问第六维度是“困难的”（尤其是阅读）。

b[:,:,:,:,:,index] #the next person to read the code will have to count the :

有没有更好的方法来做到这一点？特别是有没有一种方法，在编写程序时不知道轴？

编辑：索引维度不一定是最后一个维度

【问题讨论】：

标签： python arrays numpy multidimensional-array indexing

【解决方案1】：

您可以使用np.take。例如：

b.take(index, axis=5)

【讨论】：

太棒了。 np.arange(2**6).reshape((2,2,2,2,2,2)).take(1, axis=5) 对 numpy 了解得越多，我就越喜欢它。

【解决方案2】：

如果你想要一个视图并且想要它快速你可以手动创建索引：

arr[(slice(None), )*5 + (your_index, )]
#                   ^---- This is equivalent to 5 colons: `:, :, :, :, :`

这比np.take 快得多，并且只比使用:s 索引慢一点：

import numpy as np

arr = np.random.random((10, 10, 10, 10, 10, 10, 10))

np.testing.assert_array_equal(arr[:,:,:,:,:,4], arr.take(4, axis=5))
np.testing.assert_array_equal(arr[:,:,:,:,:,4], arr[(slice(None), )*5 + (4, )])
%timeit arr.take(4, axis=5)
# 18.6 ms ± 249 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit arr[(slice(None), )*5 + (4, )]
# 2.72 µs ± 39.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit arr[:, :, :, :, :, 4]
# 2.29 µs ± 107 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

但可能不那么可读，所以如果你经常需要它，你可能应该把它放在一个有意义的名字的函数中：

def index_axis(arr, index, axis):
    return arr[(slice(None), )*axis + (index, )]

np.testing.assert_array_equal(arr[:,:,:,:,:,4], index_axis(arr, 4, axis=5))

%timeit index_axis(arr, 4, axis=5)
# 3.79 µs ± 127 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

【讨论】：

有趣。知道为什么它会比官方的np.take 更快吗？
@EricDuminil np.take 制作副本（慢），而普通索引返回视图（相当快）。
当index 不需要副本时，您的手工版本是否更快，这是否正确？ IE。 index 是连续的数字吗？
我还没计时。至少差异会小很多。连续数字是什么意思？只有一个？！

【解决方案3】：

MSeifert 和 kazemakase 的答案之间的中间方式（在可读性和时间方面）是使用np.rollaxis：

np.rollaxis(b, axis=5)[index]

测试解决方案：

import numpy as np

arr = np.random.random((10, 10, 10, 10, 10, 10, 10))

np.testing.assert_array_equal(arr[:,:,:,:,:,4], arr.take(4, axis=5))
np.testing.assert_array_equal(arr[:,:,:,:,:,4], arr[(slice(None), )*5 + (4, )])
np.testing.assert_array_equal(arr[:,:,:,:,:,4], np.rollaxis(arr, 5)[4])

%timeit arr.take(4, axis=5)
# 100 loops, best of 3: 4.44 ms per loop
%timeit arr[(slice(None), )*5 + (4, )]
# 1000000 loops, best of 3: 731 ns per loop
%timeit arr[:, :, :, :, :, 4]
# 1000000 loops, best of 3: 540 ns per loop
%timeit np.rollaxis(arr, 5)[4]
# 100000 loops, best of 3: 3.41 µs per loop

【讨论】：

【解决方案4】：

本着@Jürg Merlin Spaak 的rollaxis 的精神，但要快得多，而不是deprecated：

b.swapaxes(0, axis)[index]

【讨论】：

【解决方案5】：

你可以说：

slice = b[..., index]

【讨论】：

我想这只有在我想索引最后一个维度时才有效，对吧？
@JürgMerlinSpaak 啊，是的，我以为你指的是最后一个维度。如果你想要从前到最后的东西，你可以做b[..., index, :] 或类似的东西，但我猜np.take 会更清楚。