- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
例如,我有一个 3 维数组:
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
[[24 25 26 27]
[28 29 30 31]
[32 33 34 35]]]
和我想要的最终数组:
[[[ 0 1]
[ 4 5]]
[[18 19]
[22 23]]
[[26 27]
[30 31]]]
有没有什么有效的方法可以在不使用 for 循环的情况下获取这样的数组?
问这个问题的原因是,如果我们想单独获取一个轴上的任意元素,例如:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
我可以使用 a[np.arange(a.shape[0]), [2, 3, 1]]
获取数组 [ 2 7 9]
所以我想知道当元素变成子数组时是否有类似的方式。
最佳答案
一个简单的想法是 a[[0,1,2],[0:2,1:3,0:2],[0:2,2:4,2:4]]
,但未实现。
解决方法可以通过 np.lib.stride_tricks.as_strided
获得.只需定义:
ast=np.lib.stride_tricks.as_strided(a,a.shape*2,a.strides*2)
#ast.shape is (3, 3, 4, 3, 3, 4).
然后你可以分别定义 block 的来源和大小:
In [4]: ast[[0,1,2],[0,1,0],[0,2,2],0,:2,:2]
Out[4]:
array([[[ 0, 1],
[ 4, 5]],
[[18, 19],
[22, 23]],
[[26, 27],
[30, 31]]])
一些解释:
您想找到以元素 0,18,26
开头的 block 。
可以通过以下方式找到它们在 reshape 数组中的索引:
In [316]: np.unravel_index([0,18,26],a.shape)
Out[316]:
(array([0, 1, 2], dtype=int64),
array([0, 1, 0], dtype=int64),
array([0, 2, 2], dtype=int64))
ast[[0,1,2],[0,1,0],[0,2,2]]
是一个 (3,3,3,4) 数组。每个 (3,3,4) 数组都以一个选定的元素开头。
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]],
[[ 24, 25, 26, 27],
[ 28, 29, 30, 31],
[ 32, 33, 34, 35]]],
[[[ 18, 19, 20, 21],
[ 22, 23, 24, 25],
[ 26, 27, 28, 29]],
[[ 30, 31, 32, 33],
[ 34, 35, 23592960, 18335],
[ 697780028, -2147480064, 540876865, 1630433390]],
[[ 2036429426, 538970664, 538976288, 1532698656],
[ 741355058, 808334368, 775168044, 874523696],
[ 744304686, 538976266, 538976288, 811278368]]],
[[[ 26, 27, 28, 29],
[ 30, 31, 32, 33],
[ 34, 35, 23592960, 18335]],
[[ 697780028, -2147480064, 540876865, 1630433390],
[ 2036429426, 538970664, 538976288, 1532698656],
[ 741355058, 808334368, 775168044, 874523696]],
[[ 744304686, 538976266, 538976288, 811278368],
[ 539766830, 741355058, 808333600, 775036972],
[ 170679600, 538976288, 538976288, 774920992]]]])
如 documentation 中所述, as_strided
是一个危险的 hack,必须小心使用,因为如果使用不当,它可以访问不在数组中的元素。下一步将确保选择有效元素。
有趣的元素是每个第一 block 中左上角的四个元素。所以 ast[[0,1,2],[0,1,0],[0,2,2],0,:2,:2]
选择它们。
您还可以像这样定义大小的 block :bloc122=ast[...,0,:2,:2]
(bloc122.shape
是 (3, 3, 4, 2, 2)
) :
In [8]: bloc122[[0,1,2],[0,1,0],[0,2,2]]=0
In [9]: a
Out[9]:
array([[[ 0, 0, 2, 3],
[ 0, 0, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 0, 0],
[20, 21, 0, 0]],
[[24, 25, 0, 0],
[28, 29, 0, 0],
[32, 33, 34, 35]]])
关于python - Numpy 沿一个轴提取任意子数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36673153/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!