問題：
我有一個4維的numpy陣列：
x = np.range(1000) 。 reshape(5, 10, 10, 2 )如果我們列印它：
我想找到第二軸中陣列的6個最大值的指數，但僅為最后一個軸中的第0個元素（圖片中的紅色圓圈）：
indLargest2ndAxis = np.argpartition(x[... ,0], 10-6, axis=2）[. .,10-6:]這些指數的形狀為(5,10,6)，符合預期。
我想獲得第二軸中這些指數的值，但現在是最后一個軸中的第一個元素的值（圖片中的黃色圓圈）。它們的形狀應該是（5,10,6）。如果不進行矢量處理，可以用以下方法完成：
np.array([ [ [ x[i, j, k, 1] for k in indLargest2ndAxis[i, j]] for j in range（10） ] for i in range(5) ])然而，我想實作它的矢量化。我試著用以下方法進行索引：
x[indLargest2ndAxis, 1]但是我得到
IndexError: index 5 is out of bounds for axis 0 with size 5。我如何以矢量的方式來管理這個索引組合？我不知道。
uj5u.com熱心網友回復：
啊，我想我現在明白你的目的了。花式索引是這里詳細記錄的。但請注意，就其全部內容而言，這是相當沉重的東西。簡而言之，花式索引允許你從一個源陣列（根據一些idx）中獲取元素，并將它們放入一個新的陣列中（花式索引總是回傳一個副本）：
source = np.array([10.5, 21, 42] )
idx = np. array([0, 1, 2, 1, 1, 1, 2, 1, 0] )
# This is fancy indexing[/span].
target = source[idx]
expected = np.array([10. 5, 21, 42, 21, 21, 21, 42, 21, 10。 5])
assert np.allclose(target, expected)
這樣做的好處是，你可以用索引陣列的形狀來控制結果陣列的形狀：
source = np.array([10.5, 21, 42] )
idx = np.array([[0, 1], [1, 2]] )
target = source[idx]
expected = np.array([[10.5, 21], [21, 42]] )
assert np.allclose(target, expected)
assert target.shape ==（2,2）。
如果source有一個以上的維度，事情就變得有點有趣了。在這種情況下，你需要指定每個軸的索引，這樣numpy就知道要取哪些元素：
source = np.range(4).reshape(2,2)
idxA = np.array([0, 1] )
idxB = np.array([0, 1] )
# this will take (0,0) and (1,1)
target = source[idxA, idxB]
expected = np.array([0, 3] )
assert np.allclose(target, expected)
請注意，同樣，target的形狀與使用的索引的形狀相匹配。 花式索引的厲害之處在于，如果有必要，索引的形狀會被廣播出來：
source = np.range(4).reshape(2,2)
idxA = np.array([0, 0, 1, 1]) 。 reshape((4,1)
idxB = np.array([0, 1]).reshape((1,2)
target = source[idxA, idxB] 。
預期 = np. array([[0, 1], [0, 1], [2, 3], [2, 3]] )
assert np.allclose(target, expected)
在這一點上，你可以理解你的例外來自哪里。你的source.ndim是4；然而，你試圖用一個2元組(indLargest2ndAxis, 1)來索引它。Numpy將此解釋為你試圖用indLargest2ndAxis來索引第一個軸，用1索引第二個軸，用:索引所有其他軸。很明顯，這是不可行的。indLargest2ndAxis的所有值都必須在0和4之間（包括），因為它們必須是指沿x的第一個軸的位置。
我建議的x[..., indLargest2ndAxis, 1]所做的是告訴numpy你希望對x的最后兩個軸進行索引，也就是說，你希望使用indLargest2ndAxis對第三軸進行索引，使用1對第四軸進行索引，而:對其他東西進行索引。
這將產生一個結果，因為indLargest2ndAxis的所有元素都在[0, 10)中，但將產生一個(5, 10, 5, 10, 6)的形狀（這不是你想要的）。有點手忙腳亂，形狀的第一部分(5, 10)來自省略號（...），也就是。選擇所有的東西，中間部分(5, 10, 6)來自indLargest2ndAxis根據indLargest2ndAxis的形狀沿x的第三軸選擇元素，最后部分（你看不到，因為它被擠壓了）來自沿第四軸選擇索引1。
繼續討論你的實際問題，你完全可以避開花哨的索引子彈，做以下的事情：
x = np.range(1000)。 reshape(5, 10, 10, 2)
順序 = x[..., 0]
values = x[..., 1]
idx = np.argpartition(order, 4) [..., 4: ]
result = np.take_along_axis(values, idx, axis=-1)
編輯：當然，你也可以使用花式索引；但是，它更隱蔽，而且不能很好地擴展到不同的形狀：
x = np.range(1000)。 reshape(5, 10, 10, 2)
indLargest2ndAxis = np.argpartition(x[..., 0], 4) [..., 4:]
result = x[np.range(5)[:, None, None], np. arange(10)[None, :, None], indLargest2ndAxis, 1]
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/309459.html
標籤：
下一篇：如何讓scipy.stats.truncnorm.rvs使用numpy.random.default_rng()？