未知维度的 Numpy 索引数组？

Question

我需要比较一堆不同维度的 numpy 数组，比如说：

a = np.array([1,2,3])
b = np.array([1,2,3],[4,5,6])
assert(a == b[0])

如果我不知道 a 和 b 的形状，我该怎么办

len(shape(a)) == len(shape(b)) - 1

而且我也不知道从 b 跳过哪个维度。我想使用 np.index_exp，但这似乎对我没有帮助......

def compare_arrays(a,b,skip_row):
    u = np.index_exp[ ... ]
    assert(a[:] == b[u])

编辑或者换句话说，如果我知道数组的形状和我想错过的维度，我就不会构造切片。我如何动态创建 np.index_exp，如果我知道维度和位置的数量，在哪里放置“：”以及在哪里放置“0”。

Answer 1

我只是在查看 apply_along_axis 和 apply_over_axis 的代码，研究它们如何构建索引对象。

让我们制作一个 4 维数组：

In [355]: b=np.ones((2,3,4,3),int)

列出 slices（使用列表 * 复制）

In [356]: ind=[slice(None)]*b.ndim

In [357]: b[ind].shape    # same as b[:,:,:,:]
Out[357]: (2, 3, 4, 3)

In [358]: ind[2]=2     # replace one slice with index

In [359]: b[ind].shape   # a slice, indexing on the third dim
Out[359]: (2, 3, 3)

或者用你的例子

In [361]: b = np.array([1,2,3],[4,5,6])   # missing []
...
TypeError: data type not understood

In [362]: b = np.array([[1,2,3],[4,5,6]])

In [366]: ind=[slice(None)]*b.ndim    
In [367]: ind[0]=0
In [368]: a==b[ind]
Out[368]: array([ True,  True,  True], dtype=bool)

这个索引与np.take基本相同，但同样的想法可以扩展到其他情况。

我不太理解你关于使用 : 的问题。请注意，在构建索引列表时，我使用 slice(None)。解释器将所有索引 : 翻译成 slice 对象：[start:stop:step] => slice(start, stop, step).

通常不需要使用a[:]==b[0]； a==b[0] 就足够了。对于列表 alist[:] 进行复制，对于数组它什么也不做（除非在 RHS 上使用，a[:]=...）。

未知维度的 Numpy 索引数组？

Numpy index array of unknown dimensions?

numpy

multidimensional-array

assertion