从 numpy 数组获取索引并应用于第二个低维数组以创建新数组答案

【问题标题】：Getting indices from numpy array and applying to 2nd lower dimensional array to create new array从 numpy 数组获取索引并应用于第二个低维数组以创建新数组
【发布时间】：2013-08-01 06:59:38
【问题描述】：

我有一个数组Gamma、Gamma.shape=(20,7,90,144)，它代表维度 (t,z,y,x) 以及我用[l,k,j,i] 表示的相应索引。对于每个 (t,y,x)，我想找到 k 的最小值，使得 Gamma[l,k,j,i] > g_crit，其中 g_crit 是某个常数。将这组最低的k 值表示为k_low；我发现我可以用

很好地做到这一点

k_low = np.argmax(Gamma > g_crit, axis=1)

还有另一个数组levs，levs.shape=(7,)，也对应于z维度。我最终试图创建数组levs_low，例如levs_low.shape=(20,90,144) 和levs_low[l,j,i]=levs[k_low[l,j,i]]。我被困在这一步。请问有什么想法吗？谢谢。

【问题讨论】：

标签： python numpy multidimensional-array

【解决方案1】：

对于您的情况，np.take() 似乎是一个不错的选择：

levs_low = np.take( levs, k_low )

OBS：take 似乎提供了优化的性能，check this question

【讨论】：

【解决方案2】：

这应该可以解决问题：

levs_low=levs[k_low]

>>> Gamma=np.random.rand(20,7,90,144)
>>> k_low = np.argmax(Gamma > .3, axis=1)
>>> levs=np.random.rand(7)
>>> levs_low=levs[k_low]
>>> levs_low.shape
(20, 90, 144)

举个小例子：

>>> g=np.random.randint(0,5,(4,4))
>>> g
array([[2, 0, 2, 2],
       [2, 0, 1, 0],
       [3, 3, 0, 3],
       [3, 0, 4, 4]])
>>> k=np.arange(5)*-1
>>> k
array([ 0, -1, -2, -3, -4])
>>> k[g]   #Uses indices of g to select values from k. Also same as np.take(k,g)
array([[-2,  0, -2, -2],
       [-2,  0, -1,  0],
       [-3, -3,  0, -3],
       [-3,  0, -4, -4]])

@Saullo Castro 的回答很有趣。奇怪的是，花式索引和np.take 之间的时间差异约为 5 倍。

%timeit levs[k_low]
100 loops, best of 3: 2.3 ms per loop

%timeit np.take( levs, k_low )
1000 loops, best of 3: 439 us per loop

In [33]: np.all(levs[k_low]==np.take(levs,k_low))
Out[33]: True

【讨论】：

非常优雅！我应该知道 Python 会让它变得如此简单。谢谢。