矢量化numpy码

我正在尝试矢量化以下代码-

for i in range(imL.shape[0]):
    for j in range(imL.shape[1]):
        if j - disp[i][j] >= 0:
            imR[i, j - disp[i][j], :] = imL[i, j, :]

基本上，我想这样做-

A[i, j - B[i, j], k] = C[i, j, k] for all (i, j, k)

我研究了布尔索引并得出了这个结论-

tmp = np.arange(imR.shape[1])
tmp = np.repeat(tmp[np.newaxis, :], imR.shape[0], axis=0)
tmp = np.repeat(tmp[:, :, np.newaxis], imR.shape[2], axis=2)

imR[(tmp - disp) >= 0] = imL

然而，这也带来了错误-

TypeError: NumPy boolean array indexing assignment requires a 0 or 1-dimensional input, input has 3 dimensions

我相信整数索引是解决方案，但是，我无法想出任何办法。有没有办法有效地将其矢量化

---

注：imL和imR为N x M x 3 nArray。disp是一个N x M数据数组。

您可以通过以下方法简化临时索引数组的创建：

然后，可以使用自定义公式创建更新的索引数组：

# j - B[i, k]
new_j_ind = j_indices - disp

在以下条件下，用原始的

j

s替换更新的

j

值：

# if j - disp[i][j] < 0, keep original j index
new_j_ind[new_j_ind < 0] = j_indices[new_j_ind < 0]

---

但是要小心：如果

[i，j-B[i，j]]

曾经映射到任何（i，k）的相同坐标，那么这并不是很好的定义。在for循环中，它是定义良好的（最后写入的值获胜），而在numpy矢量化代码中，它不是

感谢您提供有关将

np.index

用于临时索引数组的提示。但是，步骤

imR[select]=imL[select]

在语义上不是我想要实现的。我相信它可以翻译成A[I，j-B[I，j]，k]=C[I，j-B[I，j]，k]表示所有（I，j，k）。与for-loop相比，它肯定不会给我相同的结果。事实上，我误解了这个问题。最初提出的解决方案是：对于所有（i，j，k），其中j-B[i，j]>0，A[i，j，k]=C[i，j，k]。我更新了答案。谢谢你，这非常有效。我不明白在

imR[I_index，new_j_ind]=imL

中索引是如何工作的。你能给我指一些我可能进一步理解它的资源吗？文档中有几个很好的例子，你可以从那里开始：。我经常发现，举一个简单的例子（比如文档中的例子）并在iPython会话中使用它会很有帮助。

# if j - disp[i][j] < 0, keep original j index
new_j_ind[new_j_ind < 0] = j_indices[new_j_ind < 0]

# A[i, j - B[i, j] if j - B[i, j] > 0 else j, k] = C[i, j, k] for all (i, j, k)
imR[i_indices, new_j_ind] = imL