如何将其所有索引值与 python 的总和添加到 numpy ndarray 的每个元素？

Question

我有一个 numpy ndarray，让我们举个例子（但它可以完全不同）：

[[[0 0 0]
  [1 1 1]
  [0 0 0]]

 [[1 0 1]
  [1 0 1]
  [1 0 1]]]

 [[1 0 0]
  [1 1 0]
  [1 1 1]]]

我想向每个元素添加其在所有维度中的索引之和。这里的结果是：

[[[ 0  1  2]
  [ 4  5  6]
  [ 6  7  8]]

 [[10 10 12]
  [13 13 15]
  [16 16 18]]

 [[19 19 20]
  [22 23 23]
  [25 26 27]]]

为此，我构建了另一个 ndarray：

shp = a.shape
b = np.arange(shp[0]**len(shp)).reshape(shp)

我得到了我的结果：

result = a+b

我想知道是否有更直接的解决方案，不需要创建第二个 ndarray，这是一种执行相同操作的方法 'on location' ??

Answer 1

简单地创建开放网格，这些网格基本上是扩展到更多暗淡的一维数组，并利用 broadcasting -

添加到输入数组中

m,n,r = a.shape
I,J,K = np.ogrid[:m,:n,:r]
out = a + I*n*r + J*r + K

因此，就内存占用而言，我们只创建了 9 (=m+n+r) 个元素，而不是使用 range-based 解决方案创建的 27 (= m * n * r) 个元素。

样本运行-

In [41]: a
Out[41]: 
array([[[0, 0, 0],
        [1, 1, 1],
        [0, 0, 0]],

       [[1, 0, 1],
        [1, 0, 1],
        [1, 0, 1]],

       [[1, 0, 0],
        [1, 1, 0],
        [1, 1, 1]]])

In [42]: m,n,r = a.shape

In [43]: I,J,K = np.ogrid[:m,:n,:r]

In [44]: a + I*n*r + J*r + K
Out[44]: 
array([[[ 0,  1,  2],
        [ 4,  5,  6],
        [ 6,  7,  8]],

       [[10, 10, 12],
        [13, 13, 15],
        [16, 16, 18]],

       [[19, 19, 20],
        [22, 23, 23],
        [25, 26, 27]]])

N维数组案例

对于通用的 n-dim 数组，a 添加到自身 -

shp = a.shape
grid = np.ogrid[tuple(map(slice, shp))]
scale = np.r_[np.array(shp)[::-1].cumprod()[::-1][1:],1]
for i,j in zip(grid,scale):
    a += i*j

如何将其所有索引值与 python 的总和添加到 numpy ndarray 的每个元素？

How can I add to each element of a numpy ndarray the sum of all its index values with python ?

python

numpy

matrix-indexing

numpy-ndarray