我正在嘗試使用最初在MATLAB中的numpy重寫函數。在MATLAB中有一個邏輯索引部分，如下所示：X = reshape(1:16, 4, 4).';idx = [true, false, false, true];X(idx, idx)ans = 1 4 13 16當我嘗試以numpy進行索引時，無法獲得正確的索引：X = np.arange(1, 17).reshape(4, 4)idx = [True, False, False, True] X[idx, idx]# Output: array([6, 1, 1, 6])通過邏輯索引從矩陣中獲取網格的正確方法是什么？
3 回答
動漫人物
TA貢獻1815條經驗 獲得超10個贊
In [1]: X = np.arange(1, 17).reshape(4, 4)
In [2]: idx = np.array([True, False, False, True]) # note that here idx has to
# be an array (not a list)
# or boolean values will be
# interpreted as integers
In [3]: X[idx][:,idx]
Out[3]:
array([[ 1, 4],
[13, 16]])
達令說
TA貢獻1821條經驗 獲得超6個贊
在numpy此稱為fancy indexing。要獲得您想要的項目，您應該使用2D索引數組。
您可以使用outer來從1D中idx創建適當2D的索引數組。當應用于兩個序列時，外部函數1D會將一個序列的每個元素與另一個序列的每個元素進行比較?；仡橳rue*True=True和False*True=False，與np.multiply.outer()相同np.outer()，可以為您提供2D索引：
idx_2D = np.outer(idx,idx)
#array([[ True, False, False, True],
# [False, False, False, False],
# [False, False, False, False],
# [ True, False, False, True]], dtype=bool)
您可以使用：
x[ idx_2D ]
array([ 1, 4, 13, 16])
在您的真實代碼中，您可以使用x=[np.outer(idx,idx)]它，但是它不節省內存，其工作方式與del idx_2D完成切片后添加a的工作方式相同。
添加回答
舉報
0/150
提交
取消