python - 从 numpy 数组获取索引并应用于第二个低维数组以创建新数组

Question

我有一个数组Gamma,Gamma.shape=(20,7,90,144)代表维度 (t,z,y,x) 以及我用 表示的相应索引[l,k,j,i]。k对于每个 (t,y,x)，我想找到这样的最小值Gamma[l,k,j,i] > g_crit，其中g_crit是某个常数。将这组最低k值表示为k_low; 我发现我可以很好地做到这一点

k_low = np.argmax(Gamma > g_crit, axis=1)

还有另一个数组levs,也levs.shape=(7,)对应于 z 维。我最终试图创建数组levs_low，例如levs_low.shape=(20,90,144)和levs_low[l,j,i]=levs[k_low[l,j,i]]。我被困在这一步。请问有什么想法吗？谢谢。

Answer 1

对于您的情况，这似乎np.take()是一个不错的选择：

levs_low = np.take( levs, k_low )

OBS：take似乎给出了优化的性能，检查这个问题

Answer 2

这应该可以解决问题：

levs_low=levs[k_low]

>>> Gamma=np.random.rand(20,7,90,144)
>>> k_low = np.argmax(Gamma > .3, axis=1)
>>> levs=np.random.rand(7)
>>> levs_low=levs[k_low]
>>> levs_low.shape
(20, 90, 144)

举个小例子：

>>> g=np.random.randint(0,5,(4,4))
>>> g
array([[2, 0, 2, 2],
       [2, 0, 1, 0],
       [3, 3, 0, 3],
       [3, 0, 4, 4]])
>>> k=np.arange(5)*-1
>>> k
array([ 0, -1, -2, -3, -4])
>>> k[g]   #Uses indices of g to select values from k. Also same as np.take(k,g)
array([[-2,  0, -2, -2],
       [-2,  0, -1,  0],
       [-3, -3,  0, -3],
       [-3,  0, -4, -4]])

@Saullo Castro 的回答很有趣。奇怪的是，花式索引和np.take.

%timeit levs[k_low]
100 loops, best of 3: 2.3 ms per loop

%timeit np.take( levs, k_low )
1000 loops, best of 3: 439 us per loop

In [33]: np.all(levs[k_low]==np.take(levs,k_low))
Out[33]: True