Select 每个 numpy 行的不同切片

Question

我有一个 3d 张量，我想 select 来自 dim=2 的不同切片。像 a[[0, 1], :, [slice(2, 4), slice(1, 3)]].

a=np.arange(2*3*5).reshape(2, 3, 5)
array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])
# then I want something like a[[0, 1], :, [slice(2, 4), slice(1, 3)]]
# that gives me np.stack([a[0, :, 2:4], a[1, :, 1:3]]) without a for loop
array([[[ 2,  3],
        [ 7,  8],
        [12, 13]],

       [[16, 17],
        [21, 22],
        [26, 27]]])

而且我看过但这不是我想要的。

Answer 1

您可以按照此处的说明使用 advanced indexing。您必须传递在您的情况下为 [0, 1] 的行 ID 以及 2, 3 和 1, 2 的列 ID。这里2,3表示[2:4]，1, 2表示[1:3]

import numpy as np
a=np.arange(2*3*5).reshape(2, 3, 5)

rows = np.array([[0], [1]], dtype=np.intp)
cols = np.array([[2, 3], [1, 2]], dtype=np.intp)

aa = np.stack(a[rows, :, cols]).swapaxes(1, 2)
# array([[[ 2,  3],
#         [ 7,  8],
#         [12, 13]],

#        [[16, 17],
#         [21, 22],
#         [26, 27]]])

另一种避免 swapaxes 并以所需格式获得结果的等效方法是

aa = np.stack(a[rows, :, cols], axis=2).T

我想到的第三种方法是传递索引列表。这里[0, 0]会对应[2,3]，[1, 1]会对应[1, 2]。 swapaxes 只是为了得到你想要的输出格式

a[[[0,0], [1,1]], :, [[2,3], [1,2]]].swapaxes(1,2)

Answer 2

一个解决方案...

import numpy as np
a = np.arange(2*3*5).reshape(2, 3, 5)
np.array([a[0,:,2:4], a[1,:,1:3]])

Select 每个 numpy 行的不同切片

Select different slices from each numpy row

python

numpy

multidimensional-array

array-indexing