numpy堆栈到二维数组，从另一个堆栈中按索引选择

Question

我有两组分类（Lc1 和 Lc2）和两组概率（Lp1 和 Lp2）。 Lp1 是描述Lc1 中分类可能性的概率集。我想使用最可能的分类将Lc1 和Lc2 中的信息组合成class_result。

import numpy as np

#example data
Lp1 = np.ones((2,2))*0.5
Lc2 = np.ones((2,2))

Lc1 = np.ones((2,2))
Lp2 = np.ones((2,2))*0.5

#Change some values for the example
Lp1[1,1] =0.95
Lc1[1,1] = 0

Lc2[0,1]=3
Lp2[0,1]=.95

p_stack = np.stack((Lp1,Lp2))
c_stack = np.stack((Lc1,Lc2))

index = np.argmax(p_stack, axis=2)

class_result = np.take(c_stack, index)

我最初的方法是为分类和概率集创建一个np.stack，并使用np.argmax 查找最大值出现在p_stack 中的轴索引。 np.take 的文档似乎描述了我需要做的操作，但我不明白为什么它返回一个数组。有没有办法通过指定我要选择的值的轴来减少np.stack 的维度？

我想要的结果是：

class_result = np.array([[1,3],[1,0]])

Answer 1

在您的情况下，ìndex 指的是第一个维度，您需要为其他维度创建升序索引。

如果你手动编写它们看起来像

dim_1 = np.array([[0, 0],
                  [1, 1]])


dim_2 = np.array([[0, 1],
                  [0, 1]])

print(c_stack[index, dim_1, dim_2])

您可以使用np.arange、np.vstack、np.hstack 和np.tile、np.column_stack 自动创建它们。有几种方法可以做到这一点。

例如

x = np.arange(5)

a = np.tile(x, (5, 1))
b = np.column_stack(tuple(a))
print(a)
print(b)

这种技术在 Numpy 中称为"Integer array indexing"。