Numpy ndarray與陣列切片

-1

我在嘗試使用多個切片陣列沿不同尺寸切片ndarray時，無法理解numpy廣播錯誤背後的原因。我試圖使用索引數組picks（例如，np.arange（2,306,3））和布爾數組mask沿着第一維和第二維分割（100,306,481），其中mask.shape是（481，）其中361個元素是True。Numpy ndarray與陣列切片

data[:, picks, mask]回報

IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (102,) (361,)

然而data[:, :, mask]，data[:, picks, :]和data[:, :10, mask]按預期方式工作。

在這種情況下廣播是如何工作的？什麼是這樣做的pythonic方式？

來源

2017-05-02 ktavabi

如果你想（100，len（picks），len（mask））'，你可以使用'data [:, picks [:, np.newaxis]，掩碼]'。你不能廣播具有'（m，）'和'（n，）'形狀的數組，但是可以用'（m，1）'和'（n，）'來完成。 –

您可能還想檢查函數'np.ix_'。上面相當於data [np.ix_（arange（100），picks，mask）]'。 –

所以

data[:, :, mask] => (100, 306, 361) 
data[:, :10, mask] => (100, 10, 361) 
data[:, picks, :] => (100, 102, 481)

如果picks有（361）的元件然後

data[:, picks, mask] => (100, 361) # I think :)

的picks思考匹配np.where(mask)

但是，爲了在分離的尺寸指數，picks必須是一個列矢量，所以（102,1）與（1,361）廣播以產生（102,361）選擇

data[:, picks[:,None], mask] => (100, 102, 361) # again I need to test

因此創造了一些測試數組：

In [253]: data=np.ones((100,306,481)) 
In [254]: picks=np.arange(2,306,3) 
In [255]: mask=np.zeros(481,bool) 
In [256]: mask[:361]=True 
In [257]: data[:, picks[:,None],mask].shape 
Out[257]: (100, 102, 361)

的人氣指數可以用切片來代替

In [259]: data[:, 2::3, mask].shape 
Out[259]: (100, 102, 361)

ix_在這種情況下派上用場

In [268]: I,J=np.ix_(picks,mask) 
In [269]: I.shape 
Out[269]: (102, 1) 
In [270]: J.shape 
Out[270]: (1, 361) 
In [271]: data[:,I,J].shape 
Out[271]: (100, 102, 361)

來源

2017-05-02 04:08:32 hpaulj

Numpy ndarray與陣列切片

回答

相關問題