np.ufunc.at 和 np.ix_ 的 Numpy 多维索引

Question

我想知道如何从数组中获取索引并与另一个数组相乘。我有两个 4d 数组和一个 2d 索引数组：

base = np.ones((2, 3, 5, 5))
to_multiply = np.arange(120).reshape(2, 3, 4, 5)
index = np.array([[0, 2, 4, 2], [0, 3, 3, 2]])

index数组的行索引对应base的第1维，to_multiply，index数组的值对应base的第3维。我想根据索引从 base 中取出切片并乘以 to_multiply.

使用for循环和np.multiply.at（因为我可能有相同的索引）我可以通过以下方式实现它：

for i, x in enumerate(index):
    np.multiply.at(base[i, :, :, :], np.s_[:, x, :], to_multiply[i, :, :, :])

以上的正确性可以通过以下方式验证：

to_multiply[0, 0, :, 0]
array([ 0,  5, 10, 15])

base[0, 0, :, 0]
array([ 0.,  1., 75.,  1., 10.])

但是，我想知道是否有使用np.multiply.at和np.ix_

的单行解决方案

我尝试使用 np.ix_ 但我对此很困惑，因为在这种情况下它是多维的。

Answer 1

ix_ 无法完成。来自其文档：

This function takes N 1-D sequences and returns N outputs with N dimensions each,

你的 index 是 2d。

然而，我们可以做等价的 'by-hand':

In [196]: np.multiply.at(base1, (np.arange(2)[:,None,None],np.arange(3)[:,None],index[:,None,:]), to_
     ...: multiply)                                                                                  
In [197]: np.allclose(base,base1)                                                                    
Out[197]: True

目标是制作 3 个一起广播的数组以匹配 to_multiply（最后一个尺寸 5 维除外）。

即 (2,1,1), (1,3,1) 和 (2,1,4) => (2,3,4)

In [199]: np.broadcast_arrays(np.arange(2)[:,None,None],np.arange(3)[:,None],index[:,None,:])        
Out[199]: 
[array([[[0, 0, 0, 0],
         [0, 0, 0, 0],
         [0, 0, 0, 0]],
 
        [[1, 1, 1, 1],
         [1, 1, 1, 1],
         [1, 1, 1, 1]]]),
 array([[[0, 0, 0, 0],
         [1, 1, 1, 1],
         [2, 2, 2, 2]],
 
        [[0, 0, 0, 0],
         [1, 1, 1, 1],
         [2, 2, 2, 2]]]),
 array([[[0, 2, 4, 2],
         [0, 2, 4, 2],
         [0, 2, 4, 2]],
 
        [[0, 3, 3, 2],
         [0, 3, 3, 2],
         [0, 3, 3, 2]]])]

虽然我对自己想去的地方有一个大概的想法，但我必须先尝试很多想法。

np.ufunc.at 和 np.ix_ 的 Numpy 多维索引

Numpy multidimensional indexing for np.ufunc.at and np.ix_

python

numpy

numpy-ufunc

numpy-slicing

numpy-ndarray