使用 "floor division" 和 "modulus" 运算符索引矩阵
Indexing a matrix using "floor division" and "modulus" operators
我看到一个 python 代码，其中可以使用“索引”和两个 python 运算符“底除法”和“模数”来获取矩阵的值。
给定下面的 (3,3) 矩阵。
>>> m = np.array([['0>','1>','2>'],['3>','4>','5>'],['6>','7>','8>']])
>>> m
array([['0>', '1>', '2>'],
['3>', '4>', '5>'],
['6>', '7>', '8>']], dtype='<U2')
如果我们“展平”给定的矩阵，我们将得到：
>>> m.reshape(-1)
array(['0>', '1>', '2>', '3>', '4>', '5>', '6>', '7>', '8>'], dtype='<U2')
假设我想读取值“3>”，即数组中第 4 个位置的值。
如果我使用索引 3 我可以从矩阵中获取相应的值，使用：
>>> idx = int(np.where(m.reshape(-1) == '3>')[0])
>>> idx
3
>>> x = idx // m.shape[0]
>>> y = idx % m.shape[0]
>>>
>>> m[x][y]
'3>'
>>>
我看不出这是怎么回事。
对此有何解释？
如果你像阅读一本书一样阅读数组（从左到右，从上到下逐行），那么从头开始的每个字符位置（即索引一次展平）对应于一个 x 和 y 形状矩阵中的索引如下：
从平面开始的位置：0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 ...等等
y 矩阵中的索引 m : 0 | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 3 | 3 ...等等
x 矩阵中的索引 m : 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 ...等等
所以一个模式最明显。反过来考虑你的问题。
给定行和列索引，'book'（即扁平化）索引为 i = x + ny 其中 n 是一行中的元素数，在你的情况下 3. 这种一般模式适用于任何地方。这个等式并没有真正完整地回答你的问题，但希望它能说明一些问题。
我们可以构造另外两个方程，一次查看上面 3 行集合中的 2 行。
查看 id 和 x 我们看到，将 id 除以一行的元素数一致地产生 x 地址作为余数
类似地查看 id 和 y 我们看到 3 个元素的值保持不变，以周期性方式增加 1 .如果你继续使用关于 3 的连续整数的 floor 函数，这就是你得到的结果（当然这是概括的。）
我希望这能回答您的问题。我在 Excel 中构建棋盘时学习了这种逻辑，并希望根据 'flat index' 存储棋子，但计算 x/y 坐标的移动可能性要容易得多。将其绘制出来并标记坐标使其变得明显，这就是我在这里要做的。
我看到一个 python 代码，其中可以使用“索引”和两个 python 运算符“底除法”和“模数”来获取矩阵的值。
给定下面的 (3,3) 矩阵。
>>> m = np.array([['0>','1>','2>'],['3>','4>','5>'],['6>','7>','8>']])
>>> m
array([['0>', '1>', '2>'],
['3>', '4>', '5>'],
['6>', '7>', '8>']], dtype='<U2')
如果我们“展平”给定的矩阵，我们将得到：
>>> m.reshape(-1)
array(['0>', '1>', '2>', '3>', '4>', '5>', '6>', '7>', '8>'], dtype='<U2')
假设我想读取值“3>”，即数组中第 4 个位置的值。
如果我使用索引 3 我可以从矩阵中获取相应的值，使用：
>>> idx = int(np.where(m.reshape(-1) == '3>')[0])
>>> idx
3
>>> x = idx // m.shape[0]
>>> y = idx % m.shape[0]
>>>
>>> m[x][y]
'3>'
>>>
我看不出这是怎么回事。
对此有何解释？
如果你像阅读一本书一样阅读数组（从左到右，从上到下逐行），那么从头开始的每个字符位置（即索引一次展平）对应于一个 x 和 y 形状矩阵中的索引如下：
从平面开始的位置：0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 ...等等
y 矩阵中的索引 m : 0 | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 3 | 3 ...等等
x 矩阵中的索引 m : 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 ...等等
所以一个模式最明显。反过来考虑你的问题。
给定行和列索引，'book'（即扁平化）索引为 i = x + ny 其中 n 是一行中的元素数，在你的情况下 3. 这种一般模式适用于任何地方。这个等式并没有真正完整地回答你的问题，但希望它能说明一些问题。
我们可以构造另外两个方程，一次查看上面 3 行集合中的 2 行。
查看 id 和 x 我们看到，将 id 除以一行的元素数一致地产生 x 地址作为余数
类似地查看 id 和 y 我们看到 3 个元素的值保持不变，以周期性方式增加 1 .如果你继续使用关于 3 的连续整数的 floor 函数，这就是你得到的结果（当然这是概括的。）
我希望这能回答您的问题。我在 Excel 中构建棋盘时学习了这种逻辑，并希望根据 'flat index' 存储棋子，但计算 x/y 坐标的移动可能性要容易得多。将其绘制出来并标记坐标使其变得明显，这就是我在这里要做的。