numpy.
take_along_axis
通过匹配一维索引和数据切片从输入数组中获取值。
这将遍历索引和数据数组中沿指定轴定向的匹配1d切片,并使用前者查找后者中的值。这些切片可以是不同的长度。
函数沿轴返回索引,如 argsort 和 argpartition ,为此函数生成适当的索引。
argsort
argpartition
1.15.0 新版功能.
源阵列
每一维切片的索引 arr . 这必须与ARR的尺寸相匹配,但NI和NJ的尺寸只需广播 arr .
要沿其进行1d切片的轴。如果“轴”为“无”,则将输入数组视为其第一次被展平为1d,以便与 sort 和 argsort .
sort
索引结果。
参见
take
沿着一个轴,对每个1d切片使用相同的索引
put_along_axis
通过匹配一维索引和数据切片将值放入目标数组
笔记
这相当于(但比)以下使用 ndindex 和 s_ ,设置每个 ii 和 kk 到一组索引:
ndindex
s_
ii
kk
Ni, M, Nk = a.shape[:axis], a.shape[axis], a.shape[axis+1:] J = indices.shape[axis] # Need not equal M out = np.empty(Ni + (J,) + Nk) for ii in ndindex(Ni): for kk in ndindex(Nk): a_1d = a [ii + s_[:,] + kk] indices_1d = indices[ii + s_[:,] + kk] out_1d = out [ii + s_[:,] + kk] for j in range(J): out_1d[j] = a_1d[indices_1d[j]]
同样地,消除内环,最后两行是:
out_1d[:] = a_1d[indices_1d]
实例
对于此示例数组
>>> a = np.array([[10, 30, 20], [60, 40, 50]])
我们可以直接使用sort或argsort和此函数进行排序
>>> np.sort(a, axis=1) array([[10, 20, 30], [40, 50, 60]]) >>> ai = np.argsort(a, axis=1); ai array([[0, 2, 1], [1, 2, 0]]) >>> np.take_along_axis(a, ai, axis=1) array([[10, 20, 30], [40, 50, 60]])
如果展开尺寸,最大值和最小值也适用:
>>> np.expand_dims(np.max(a, axis=1), axis=1) array([[30], [60]]) >>> ai = np.expand_dims(np.argmax(a, axis=1), axis=1) >>> ai array([[1], [0]]) >>> np.take_along_axis(a, ai, axis=1) array([[30], [60]])
如果我们想同时得到最大值和最小值,我们可以先将索引堆叠起来。
>>> ai_min = np.expand_dims(np.argmin(a, axis=1), axis=1) >>> ai_max = np.expand_dims(np.argmax(a, axis=1), axis=1) >>> ai = np.concatenate([ai_min, ai_max], axis=1) >>> ai array([[0, 1], [1, 0]]) >>> np.take_along_axis(a, ai, axis=1) array([[10, 30], [40, 60]])