Python 如何在numpy中创建数组元组的3D数组，其中3D数组的每个元素都类似于np.where的输出？

我有一个3D数组，其中每个轴的长度相同（~100），对应于3D空间中的一个位置。此数组的每个元素都有一个值（float64）。我试图创建一个数组来标识邻居，其中这个新3D数组的每个元素都由数组元组组成，类似于np.where的输出，这样我就可以循环遍历3D数组的每个元素，并对所有邻居执行操作

我知道np。对于一个3D数组，其中会输出一个3元组的数组，其中每个数组的长度是相同的，并且是满足给定条件的元素数。我试图做一些类似的事情，但在我的例子中，我知道这些数组的长度是6，因为3D数组的每个元素都有6个直接邻居。我想将3D邻居数组的每个元素设置为3个长度为6的数组的元组

我想做的是：

>>> values = np.zeros((100,100,100))
>>> neighbors = np.zeros((100,100,100))
>>> for i in range(neighbors.shape[0]):
>>>     for j in range(neighbors.shape[1]):
>>>         for k in range(neighbors.shape[2]):
>>>             neighbors[i,j,k] = (np.array([i-1,i+1,i,i,i,i]),np.array([j,j,j-1,j+1,j,j]),np.array([k,k,k,k,k-1,k+1]))
>>> neighbors[5,6,9]
(array([4,6,5,5,5,5]), array([6,6,5,7,6,6]), array([9,9,9,9,8,10]))

然而，我实际得到的是以下错误：

>>> values = np.zeros((100,100,100))
>>> neighbors = np.zeros((100,100,100))
>>> for i in range(neighbors.shape[0]):
>>>     for j in range(neighbors.shape[1]):
>>>         for k in range(neighbors.shape[2]):
>>>             neighbors[i,j,k] = (np.array([i-1,i+1,i,i,i,i]),np.array([j,j,j-1,j+1,j,j]),np.array([k,k,k,k,k-1,k+1]))
ValueError: setting an array element with a sequence.

---

有没有办法将数组的元素设置为数组的元组？

要在NumPy数组的单元格中存储任意Python对象，请将数据类型更改为

object

：在这里，您需要更改

neighbors = np.zeros((100,100,100))

到

默认情况下，

np.zeros

创建一个浮点数据类型的数组，这意味着数组的每个单元格都必须包含一个浮点值，因此出现错误消息：

ValueError: setting an array element with a sequence.

---

请注意，使用

object

dtype数组会禁止NumPy使用快速数值方法——该代码将比使用本机（例如浮点）dtype数组的等效NumPy代码慢

例如，您最好创建一个浮点数据类型和形状的数组

（3,610100100）

，其中第一个轴（长度为3）允许您在三个子数组中进行选择

(array([4,6,5,5,5,5]), array([6,6,5,7,6,6]), array([9,9,9,9,8,10]))

第二个轴（长度为6）允许您在子阵列中的6个值中进行选择：

import numpy as np
d, h, w = 100, 100, 100
I, J, K = np.mgrid[:d, :h, :w]
neighbors = np.array([(I-1,I+1,I,I,I,I), (J,J,J-1,J+1,J,J), (K,K,K,K,K-1,K+1)])

然后，

邻居

是一个具有本机NumPy数据类型的数组：

In [32]: neighbors.dtype
Out[32]: dtype('int64')

In [33]: neighbors.shape
Out[33]: (3, 6, 100, 100, 100)

下面是三个子阵列，对应于您的

邻居[5,6,9]

：

In [36]: neighbors[:,:,5,6,9]
Out[36]: 
array([[ 4,  6,  5,  5,  5,  5],
       [ 6,  6,  5,  7,  6,  6],
       [ 9,  9,  9,  9,  8, 10]])

这是这些子阵列中的第二个子阵列，对应于您的

邻居[5,6,9][1]

：

In [37]: neighbors[1,:,5,6,9]
Out[37]: array([6, 6, 5, 7, 6, 6])

这是第二个子数组中的第四个值，对应于您的

邻居[5,6,9][1][3]

：

In [38]: neighbors[1,3,5,6,9]
Out[38]: 7

---

这还允许我使用奇特的索引对邻居的值执行操作吗？例如，

np.average（值[邻居[5,6,9]]）

，这是我的最终目标。就性能而言，如果我只对每个元素本身的元组进行操作，我还会得到numpy的好处吗，因为我不会对整个Neights对象进行操作，而只是对数组元组中的元素进行操作？回答我自己的问题，是的，类似于

np.average（值[Neights[5,6,9]]）

在将Neights数据类型设置为object时起作用。

In [38]: neighbors[1,3,5,6,9]
Out[38]: 7