Numpy 2D 数组索引没有越界和裁剪值

Question

我有索引数组

a = np.array([
   [0, 0],
   [1, 1],
   [1, 9]
])

二维数组

b = np.array([
   [0, 1, 2, 3],
   [5, 6, 7, 8]
])

我能做到这一点

b[a[:, 0], a[:, 1]]

但这将是一个例外“超出范围”，因为 9 超出范围。 我需要一种非常快速的方法来按索引制作数组切片，如果我可以设置剪辑值，那将是理想的，例如：

np.indexing_with_clipping(array=b, indices=a, clipping_value=0)
> array([0, 6, --> 0 = clipped value <--])

Answer 1

这是一种方法-

def indexing_with_clipping(arr, indices, clipping_value=0):
    idx = np.where(indices < arr.shape,indices,clipping_value)
    return arr[idx[:, 0], idx[:, 1]]

示例运行 -

In [266]: arr
Out[266]: 
array([[0, 1, 2, 3],
       [5, 6, 7, 8]])

In [267]: indices
Out[267]: 
array([[0, 0],
       [1, 1],
       [1, 9]])

In [268]: indexing_with_clipping(arr,indices,clipping_value=0)
Out[268]: array([0, 6, 5])

In [269]: indexing_with_clipping(arr,indices,clipping_value=1)
Out[269]: array([0, 6, 6])

In [270]: indexing_with_clipping(arr,indices,clipping_value=2)
Out[270]: array([0, 6, 7])

In [271]: indexing_with_clipping(arr,indices,clipping_value=3)
Out[271]: array([0, 6, 8])

---

关注内存和性能效率，这是一种修改函数内索引的方法 -

def indexing_with_clipping_v2(arr, indices, clipping_value=0):
    indices[indices >= arr.shape] = clipping_value
    return arr[indices[:, 0], indices[:, 1]]

示例运行 -

In [307]: arr
Out[307]: 
array([[0, 1, 2, 3],
       [5, 6, 7, 8]])

In [308]: indices
Out[308]: 
array([[0, 0],
       [1, 1],
       [1, 9]])

In [309]: indexing_with_clipping_v2(arr,indices,clipping_value=2)
Out[309]: array([0, 6, 7])

Answer 2

您可以使用列表推导：

b[
    [min(x,len(b[0])-1) for x in a[:,0]],
    [min(x,len(b[1])-1) for x in a[:,1]]
]

edit我使用最后一个数组值作为您的裁剪值，但您可以将min() 函数替换为您想要的任何值（例如三元运算符）

edit2 好的，基于 cmets 中的说明以及我可以放在一起的所有 python-fu，这个片段最终可以满足您的需要：

clipping_value = -1
tmp=np.append(b,[[clipping_value],[clipping_value]],axis=1)
tmp[zip(*[((x,y) if (x<b.shape[0] and y<b.shape[1]) else (0,b.shape[1])) for (x,y) in zip(a.transpose()[0],a.transpose()[1])])]

与上面相同，只是创建 ndarray tmp，它是 b 的副本，但包含 clipping_value 作为其最后一个元素，然后使用我以前的解决方案设置索引，以便它们指向如果任一索引大于b 的维度，则为最后一个元素。

我了解到zip 函数存在相反的情况，并且 numpy 数组接受列表作为索引。好玩。谢谢。