由整个数组索引的python numpy数组
它不是返回54 x 54形状,而是54 x 54 x 54。我怎样才能得到同样的形状?为什么它是三维的?让我给你一个例子,我们使用由整个数组索引的python numpy数组,python,numpy,Python,Numpy,它不是返回54 x 54形状,而是54 x 54 x 54。我怎样才能得到同样的形状?为什么它是三维的?让我给你一个例子,我们使用t[t\u index]语法来帮助你理解它是如何工作的。我有时使用整数数组来表示使用颜色托盘的图像。256种颜色(rgb值)中的每一种都存储在具有形状(256,3)的托盘阵列中。图像存储为0到255之间的(10001000)整数数组,或索引到托盘数组中。如果我想创建一个rgb图像,例如为了显示,我会创建一个rgb图像,即(1000,1000,3) 更新: 我看到你在i
t[t\u index]
语法来帮助你理解它是如何工作的。我有时使用整数数组来表示使用颜色托盘的图像。256种颜色(rgb值)中的每一种都存储在具有形状(256,3)的托盘阵列中。图像存储为0到255之间的(10001000)整数数组,或索引到托盘数组中。如果我想创建一个rgb图像,例如为了显示,我会创建一个rgb图像,即(1000,1000,3)
更新:
我看到你在include argsort中更新了你的问题,也许你正在尝试做类似的事情。对于二维阵列,短版本如下所示:
t_index = np.argsort(adj, axis = 0)[:,::-1] # 54 x 54 shape
t = np.sort(adj, axis= 0)[:,::-1] # 54 x 54
t[5:,] = 0
adj = t[t_index] # 54 x 54 x 54
我一直在寻找一个很好的解释,但似乎找不到一个好的解释。如果有人对ogrid的工作原理或numpy索引中的广播工作原理有很好的参考,请在评论中留下注释。我会写一个简短的解释,这应该会有所帮助。
假设t
是一个2d数组,我想从每列中选择2个元素,我将执行以下操作:
s = np.random.random((54, 54))
t = np.random.random((54, 54))
axis = 0
t_index = s.argsort(axis)
idx = np.ogrid[:t.shape[0], :t.shape[1]]
idx[axis] = t_index
t_sort = t[idx]
现在,假设我想要每行中的不同元素,我可以尝试:
t = np.arange((12)).reshape(3, 4)
print t
# [[ 0, 1, 2, 3],
# [ 4, 5, 6, 7],
# [ 8, 9, 10, 11]]
print t[[0, 3], :]
# [[ 0 1 2 3]
# [ 8 9 10 11]]
但这是行不通的。这种行为并不奇怪,因为:
表示每一列。在上一个示例中,我们得到了0的每一列,以及2的每一列。我们真正想要的是:
row_index = [[0, 2],
[0, 2],
[1, 2],
[0, 1]]
t[row_index]
# Which in python is the same as
t[row_index, :]
Numpy还允许我们作弊并使用以下内容,因为这些值只是重复的:
row_index = [[0, 2],
[0, 2],
[1, 2],
[0, 1]]
column_index = [[0, 0],
[1, 1],
[2, 2],
[3, 3]]
t[row_index, column_index]
请阅读,以便更好地理解这一点。我希望这个解释是有帮助的。只是一个小提示,在python中多维数组被索引为
t[I,j]
而不是t[I][j]
。你能解释一下你想要实现什么吗?我想我明白了你想做什么,而且有更简单的方法。无论您尝试执行什么操作,您绝对不应该同时对数组进行排序
和argsort
。我猜您要做的是:t_index=np.argsort(adj,axis=0);掩模=(t_指数<调整形状[0]-5);调整[掩码]=0
column_index = [[0],
[1],
[2],
[3]]