代码之家 › 专栏 › 技术社区 › fstab

创建索引矩阵/列表的更简单方法?

indices matrix numpy arrays python

1

fstab · 技术社区 · 12 年前

我想知道创建一个二维数组的最简单方法是什么,它为每一行提供另一个多维数组的索引。

例如,假设我有一个4x4的立方体,“索引矩阵”如下:

np.concatenate([
    np.expand_dims(curr.ravel(),axis=0).T
    for curr
    in np.meshgrid(
        np.arange(4),
        np.arange(4),
        np.arange(4)
    )
],axis=1)

结果如下:

array([[0, 0, 0],
      [0, 0, 1],
      [0, 0, 2],
      [0, 0, 3],
      [1, 0, 0],
      [1, 0, 1],
      ...
      [2, 3, 2],
      [2, 3, 3],
      [3, 3, 0],
      [3, 3, 1],
      [3, 3, 2],
      [3, 3, 3]])

除了第二列似乎应该取代第一列之外,是否有一种更为“numpythonic”的方法来以更紧凑的方式创建相同或相似的矩阵?

如果存在一个只接受任意多维数组并返回其索引表的函数就好了。

5 回复 | 直到 12 年前

1

7

abarnert 12 年前

你可以使用 np.indices :

>>> a = np.random.random((4,4,4))
>>> np.indices(a.shape).reshape((a.ndim, -1)).T
array([[0, 0, 0],
       [0, 0, 1],
       [0, 0, 2],
       [0, 0, 3],
       [0, 1, 0],
       [0, 1, 1],
[...]
       [3, 3, 2],
       [3, 3, 3]])

还有其他实用程序,如 np.ndindex ,具体取决于您的用例。(FWIW我不认为以你想要的形式获得坐标会像你想象的那样有用,但YMMV。)

2

4

Joran Beasley 12 年前

我想

list(itertools.product(range(4),range(4),range(4)))

更像蟒蛇。。(注意,您可以使用 numpy.array 而不是列表,如果你很想…)

3

abarnert 12 年前

如果存在一个只接受任意多维数组并返回其索引表的函数就好了。

如果我理解你的问题,有: indices :

i = np.indices(a.shape)

这不会为您提供所需形状的结果:

>>> a = np.array([[1,2], [3,4], [5,6]])
>>> print(np.indices(a.shape))
[[[0 0]
  [1 1]
  [2 2]]

 [[0 1]
  [0 1]
  [0 1]]]

但您可以将其展平并转置:

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

4

1

abarnert 12 年前

下面是如何做我认为你实际上希望根据您的评论:

我需要测试存储在三维数组中的一些概率值。如果它们通过了一些测试条件,那么我会将它们添加到一个坐标列表中,该列表将在三维散点图中可视化。

为了简单起见,我们假设测试是简单的,比如“是肯定的”。因此,我们只需将数组转换为每个元素的“元素为正”布尔数组 arr > 0 ,然后使用 nonzero 要获取该布尔数组的真实索引:

>>> arr = np.array([[-1, 1], [2, -2], [-3, -3]])
>>> print(arr > 0)
[[False  True]
 [ True False]
 [False False]]
>>> print(np.nonzero(arr > 0))
(array([0, 1]), array([1, 0]))

再简单不过了。

5

0

Muhammad Yasirroni 4 年前

对于那些来这里做MATLAB数组索引的人来说,这里有一个解决方案:

idx = np.indices(a.shape).reshape((a.ndim, -1)).T
idx = idx[idx[:,0].argsort()]
for i in range(1,len(a.shape),1):
    idx = idx[idx[:,i].argsort(kind='mergesort')]

测试:

a = np.arange(24).reshape(3,2,4)
# array([[[ 0,  1,  2,  3],
#         [ 4,  5,  6,  7]],

#        [[ 8,  9, 10, 11],
#         [12, 13, 14, 15]],

#        [[16, 17, 18, 19],
#         [20, 21, 22, 23]]])
idx = np.indices(a.shape).reshape((a.ndim, -1)).T
idx = idx[idx[:,0].argsort()]
for i in range(1,len(a.shape),1):
    idx = idx[idx[:,i].argsort(kind='mergesort')]

for i in idx:
    print(i, a[tuple(i)])
# [0 0 0] 0
# [1 0 0] 8
# [2 0 0] 16
# [0 1 0] 4
# [1 1 0] 12
# [2 1 0] 20
# [0 0 1] 1
# [1 0 1] 9
# [2 0 1] 17
# [0 1 1] 5
# [1 1 1] 13
# [2 1 1] 21
# [0 0 2] 2
# [1 0 2] 10
# [2 0 2] 18
# [0 1 2] 6
# [1 1 2] 14
# [2 1 2] 22
# [0 0 3] 3
# [1 0 3] 11
# [2 0 3] 19
# [0 1 3] 7
# [1 1 3] 15
# [2 1 3] 23