所有维度中的python numpy ndarray索引排列(可变维度编号)
“M”是一个numpy ndarray,其中维度“dim”编号是可变的(以前生成的),但每个维度的大小都是相同的“size”。在我的代码中,它更像dim=5,size=7 例如:(尺寸=3,尺寸=4) 我有一个我自己的排列生成器“per”,它生成范围(大小)的特定排列(不是随机排列) 我的需要:变换M,根据我需要的排列移动它的元素。在示例中:21(1个排列用于第一维度,4个排列用于第二维度,16个排列用于第三维度-广义:大小**d表示范围内(dim)的d排列)。我的排列不是随机的,但它们是独立的,彼此不同 结果可能是:所有维度中的python numpy ndarray索引排列(可变维度编号),python,numpy,multidimensional-array,indexing,permutation,Python,Numpy,Multidimensional Array,Indexing,Permutation,“M”是一个numpy ndarray,其中维度“dim”编号是可变的(以前生成的),但每个维度的大小都是相同的“size”。在我的代码中,它更像dim=5,size=7 例如:(尺寸=3,尺寸=4) 我有一个我自己的排列生成器“per”,它生成范围(大小)的特定排列(不是随机排列) 我的需要:变换M,根据我需要的排列移动它的元素。在示例中:21(1个排列用于第一维度,4个排列用于第二维度,16个排列用于第三维度-广义:大小**d表示范围内(dim)的d排列)。我的排列不是随机的,但它们是独立的
[[[36 39 37 38]
[33 34 32 35]
[46 44 45 47]]
[41 43 40 42]
[[9 10 11 8]
[2 1 3 0]
[6 7 5 4]
[13 12 14 15]]
[[56 59 57 58]
[63 61 62 60]
[53 54 52 55]
[51 50 49 48]]
[[28 30 29 31]
[27 25 24 26]
[17 18 16 19]
[23 21 20 22]]]
在代码保持动态的情况下,如何直接从M as numpy数组执行此操作?这是一个广播练习:
>>> import numpy as np
>>> from itertools import islice
>>>
>>> A = np.arange(27).reshape(3,3,3)
>>> def per(n):
... while True:
... yield np.random.permutation(n)
...
>>> pg = per(3)
>>>
>>> p0 = next(pg)[..., None, None]
>>> p1 = np.array([p for p in islice(pg, 3)])[..., None]
>>> p2 = np.array([[p for p in islice(pg, 3)] for _ in range(3)])
>>>
>>> p0
array([[[2]],
[[1]],
[[0]]])
>>> p1
array([[[1],
[0],
[2]],
[[1],
[0],
[2]],
[[0],
[2],
[1]]])
>>> p2
array([[[1, 0, 2],
[0, 2, 1],
[0, 1, 2]],
[[2, 1, 0],
[1, 2, 0],
[2, 1, 0]],
[[1, 2, 0],
[2, 1, 0],
[2, 1, 0]]])
>>> A[p0, p1, p2]
array([[[22, 21, 23],
[18, 20, 19],
[24, 25, 26]],
[[14, 13, 12],
[10, 11, 9],
[17, 16, 15]],
[[ 1, 2, 0],
[ 8, 7, 6],
[ 5, 4, 3]]])
索恩将军:
import numpy as np
from itertools import islice
def per(n=None):
while True:
n = (yield n if n is None else np.random.permutation(n)) or n
def sweep(shp):
pg = per()
pg.send(None)
redshp = len(shp)*[1]
sz = 1
for j, k in enumerate(shp):
pg.send(k)
redshp[j] = k
yield np.reshape((*islice(pg, sz),), redshp)
sz *= k
# example
a = np.arange(24).reshape((2,3,4))
idx = *sweep(a.shape),
for i in idx:
print(i)
print(a[idx])
多亏了保罗·潘泽的精彩回答,我终于解决了这个问题。 Paul的最后一个答案很好,而且是完全广义的(即使是非平方矩阵!)。 我最初的问题不太一般,因为我的目标是让我的全维排列对平方矩阵起作用。我简化并缩短了代码,所以在这里分享:
import numpy as np
from itertools import islice,count
size,dim = 4,3
per = (np.random.permutation(size) for _ in count())
idx = *(np.reshape((*islice(per, size**d),),[size]*(d+1)+[1]*(dim-d-1)) for d in range(dim)),
a = np.arange(size**dim).reshape((size,)*dim)
print(a[idx])
你所说的“根据我需要的排列方式移动元素”是什么意思?输入数组、输出数组和使用的排列之间的确切关系是什么?如果您看到我的示例,每行内容都已排列,但每个4*4网格中的行也已排列,网格顺序也已排列。所有这些都需要根据我的生成器中的个人排列(pertmuted index)来完成。因为我是新来的,我想了解为什么我的问题被否决。有什么问题吗?@Cépagrave我只能猜测——但这里的一些人对问题应该是什么样子有非常强烈的意见——在帮助部分查找“mcve”。如果他们怀疑你懒惰,或者你自己不够努力,或者没有尽力解释你的问题,他们就会生气。例如,user2357112向您抛出的一行——虽然我从上下文中发现它足够清晰——有些人可能会觉得它有点傲慢。但正如我所说,只是猜测而已。
import numpy as np
from itertools import islice
def per(n=None):
while True:
n = (yield n if n is None else np.random.permutation(n)) or n
def sweep(shp):
pg = per()
pg.send(None)
redshp = len(shp)*[1]
sz = 1
for j, k in enumerate(shp):
pg.send(k)
redshp[j] = k
yield np.reshape((*islice(pg, sz),), redshp)
sz *= k
# example
a = np.arange(24).reshape((2,3,4))
idx = *sweep(a.shape),
for i in idx:
print(i)
print(a[idx])
import numpy as np
from itertools import islice,count
size,dim = 4,3
per = (np.random.permutation(size) for _ in count())
idx = *(np.reshape((*islice(per, size**d),),[size]*(d+1)+[1]*(dim-d-1)) for d in range(dim)),
a = np.arange(size**dim).reshape((size,)*dim)
print(a[idx])