使用:Python Numpy切片从二维索引列表(x、y、z)中增加三维计数器数组
我想从事件(x,y,t)的2D数组中增加计数器的3D矩阵(nparray) 以下代码有效:使用:Python Numpy切片从二维索引列表(x、y、z)中增加三维计数器数组,python,numpy,indexing,slice,Python,Numpy,Indexing,Slice,我想从事件(x,y,t)的2D数组中增加计数器的3D矩阵(nparray) 以下代码有效: TOF_cube=np.zeros((324,324,4095),np.int32) #initialise a 3d array for whole data set data = np.fromfile(f, dtype='<i2', count=no_I16) #read all events, x,y,t as 1D array data=data.reshape(events,cols)
TOF_cube=np.zeros((324,324,4095),np.int32) #initialise a 3d array for whole data set
data = np.fromfile(f, dtype='<i2', count=no_I16) #read all events, x,y,t as 1D array
data=data.reshape(events,cols)
xpos=data[:,0]
ypos=data[:,1]
tpos=data[:,2]
i=0
while i < events:
TOF_cube[xpos[i],ypos[i],tpos[i]] += 1
i+=1
但我没有复制正确的4365520个事件(通过while循环并独立检查),而是只记录了4365197个
为什么切片方法会丢失事件
我在while循环中使用完全相同的切片,并将其作为索引的“参数” 由于我们不确切知道您的数据是什么样子,因此很难猜测实际问题是什么。如果这没有帮助,请给出一个例子,我们可以运行我们的selvs(即没有文件
f
)
假设你有x_pos=[1,1,2,3,5]
a = np.zeros(10)
for i in range(len(x_pos)):
a[x_pos[i]]+=1
# gives a = array([ 0., 2., 1., 1., 0., 1., 0., 0., 0., 0.])
然而,另一个代码
a[x_pos]+=1
# gives a = array([ 0., 1., 1., 1., 0., 1., 0., 0., 0., 0.])
因此,如果其中一个索引出现两次,则在短版本中只更新一次。检查XPO中是否存在这种情况
PS:我做了一个稍微简单的版本,只有一个维度,但规则保持不变。因为我们不知道您的数据到底是什么样子,所以很难猜测实际的问题是什么。如果这没有帮助,请给出一个例子,我们可以运行我们的selvs(即没有文件
f
)
假设你有x_pos=[1,1,2,3,5]
a = np.zeros(10)
for i in range(len(x_pos)):
a[x_pos[i]]+=1
# gives a = array([ 0., 2., 1., 1., 0., 1., 0., 0., 0., 0.])
然而,另一个代码
a[x_pos]+=1
# gives a = array([ 0., 1., 1., 1., 0., 1., 0., 0., 0., 0.])
因此,如果其中一个索引出现两次,则在短版本中只更新一次。检查XPO中是否存在这种情况
PS:我做了一个稍微简单的版本,只有一个维度,但规则保持不变。
+=
如果有重复索引,则不会添加两次
要以矢量化方式获得等效输出,您需要:
如果存在重复索引,
+=
不会添加两次
要以矢量化方式获得等效输出,您需要:
每种方法的
TOF\cube.max()
是什么?每种方法的TOF\cube.max()
是什么?您已经准确地确定了问题所在,谢谢!通过建议完全修复了np.add.at(TOF_cube[xpos,ypos,tpos],1)
您已经准确地确定了问题,谢谢!完全修复了建议np.add.at(TOF_cube[XPO,YPO,TPO],1)
谢谢!这就是问题所在,谢谢!我很惊讶np.add.at(TOF_cube[xpos,ypos,tpos],1)。
似乎比+=版本运行得慢很多。(我知道我错过了一些活动,但很少)。有人会认为+=
如果重复,就必须执行:忽略检查np.add
只是循环通过的地方。有什么想法吗?感谢+=
构造不像np.add.at
那样是顺序的,它是一个并行(线程化)调用,用于增加一组内存位置。这就是为什么它只能一次增加任何内容(并通过set
运行位置,以确保没有重复的内容)-否则,当两个线程试图同时增加相同的内存位时,这些单独的线程可能会锁定。另外,不要忘了标记检查答案是否符合您的要求。谢谢!这就是问题所在,谢谢!我很惊讶np.add.at(TOF_cube[xpos,ypos,tpos],1)。
似乎比+=版本运行得慢很多。(我知道我错过了一些活动,但很少)。有人会认为+=
如果重复,就必须执行:忽略检查np.add
只是循环通过的地方。有什么想法吗?感谢+=
构造不像np.add.at
那样是顺序的,它是一个并行(线程化)调用,用于增加一组内存位置。这就是为什么它只能一次增加任何内容(并通过set
运行位置以确保没有重复的内容)-否则,当两个线程试图同时增加相同的内存位时,这些单独的线程可能会锁定。另外,不要忘了标记检查答案是否是您正在寻找的。