Python Numpy.select from 3D array

假设我有以下numpy数组：

>>a
array([[0, 0, 2],
       [2, 0, 1],
       [2, 2, 1]])
>>b
array([[2, 2, 0],
       [2, 0, 2],
       [1, 1, 2]])

然后垂直堆叠

c=np.dstack((a,b))

导致：

>>c
array([[[0, 2],
        [0, 2],
        [2, 0]],

       [[2, 2],
        [0, 0],
        [1, 2]],

       [[2, 1],
        [2, 1],
        [1, 2]]])

由此，我希望，对于c的每个第三维，检查该子数组中存在哪个组合，然后根据列表匹配的索引对其进行编号。我试过以下方法，但不起作用。该算法非常简单，具有双for循环，但由于c非常大，因此速度非常慢

classes=[(0,0),(2,1),(2,2)]
out=np.select( [h==c for h in classes], range(len(classes)), default=-1)

我期望的输出是

out = [[-1,-1,-1],
       [3,  1,-1],
       [2,  2,-1]]

这个怎么样：

(np.array([np.array(h)[...,:] == c for h in classes]).all(axis = -1) *
         (2 + np.arange(len(classes)))[:, None, None]).max(axis=0) - 1

它返回你真正需要的东西

array([[-1, -1, -1],
       [ 3,  1, -1],
       [ 2,  2, -1]])

这个怎么样：

(np.array([np.array(h)[...,:] == c for h in classes]).all(axis = -1) *
         (2 + np.arange(len(classes)))[:, None, None]).max(axis=0) - 1

它返回你真正需要的东西

array([[-1, -1, -1],
       [ 3,  1, -1],
       [ 2,  2, -1]])

---

您可以像下面这样分别测试a和b阵列：

clsa = (0,2,2)
clesb = (0,1,2)

np.select ( [(ca==a) & (cb==b) for ca,cb in zip (clsa, clsb)], range (3), default = -1)

---

它会得到您想要的结果（除了返回0,1,2而不是1,2,3）。

您可以像这样分别测试a和b阵列：

clsa = (0,2,2)
clesb = (0,1,2)

np.select ( [(ca==a) & (cb==b) for ca,cb in zip (clsa, clsb)], range (3), default = -1)

---

它会得到你想要的结果（除了返回0,1,2而不是1,2,3）。

这里是另一种获得你想要的结果的方法，我想我会发布它，以防它对任何人都有用

import numpy as np

a = np.array([[0, 0, 2],
              [2, 0, 1],
              [2, 2, 1]])
b = np.array([[2, 2, 0],
              [2, 0, 2],
              [1, 1, 2]])
classes=[(0,0),(2,1),(2,2)]

c = np.empty(a.shape, dtype=[('a', a.dtype), ('b', b.dtype)])
c['a'] = a
c['b'] = b
classes = np.array(classes, dtype=c.dtype)
classes.sort()
out = classes.searchsorted(c)
out = np.where(c == classes[out], out+1, -1)
print out
#array([[-1, -1, -1]
#       [ 3,  1, -1]
#       [ 2,  1, -1]])

---

这是另一种获得你想要的东西的方法，我想我会把它贴出来，以防它对任何人都有用

import numpy as np

a = np.array([[0, 0, 2],
              [2, 0, 1],
              [2, 2, 1]])
b = np.array([[2, 2, 0],
              [2, 0, 2],
              [1, 1, 2]])
classes=[(0,0),(2,1),(2,2)]

c = np.empty(a.shape, dtype=[('a', a.dtype), ('b', b.dtype)])
c['a'] = a
c['b'] = b
classes = np.array(classes, dtype=c.dtype)
classes.sort()
out = classes.searchsorted(c)
out = np.where(c == classes[out], out+1, -1)
print out
#array([[-1, -1, -1]
#       [ 3,  1, -1]
#       [ 2,  1, -1]])

---

这看起来有我需要的灵活性。谢谢这看起来有我需要的灵活性。谢谢不是我所需要的灵活性，但很高兴能以不同的方式学习。谢谢不是我所需要的灵活性，但很高兴能以不同的方式学习。谢谢