在MATLAB和Numpy中,数组都可以通过数组进行索引。但是,行为是不同的。让我用一个例子来解释这一点。
MATLAB:
>> A = rand(5,5)
A =
0.1622 0.6020 0.4505 0.8258 0.1067
0.7943 0.2630 0.0838 0.5383 0.9619
0.3112 0.6541 0.2290 0.9961 0.0046
0.5285 0.6892 0.9133 0.0782 0.7749
0.1656 0.7482 0.1524 0.4427 0.8173
>> A([1,3,5],[1,3,5])
ans =
0.1622 0.4505 0.1067
0.3112 0.2290 0.0046
0.1656 0.1524 0.8173Numpy:
In [2]: A = arange(25).reshape((5,5))
In [3]: A
Out[3]:
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]])
In [6]: A[[0,2,4], [0,2,4]]
Out[6]: array([ 0, 12, 24])换句话说: MATLAB选择行和列,Numpy“压缩”两个索引数组,并使用元组指向条目。
如何使用Numpy获得MATLAB的行为?
发布于 2012-07-09 18:52:05
您可以这样做:
A[[0,2,4],:][:,[0,2,4]]这将给出您想要的类似MATLAB的结果。
值得注意的是,如果你使用切片进行索引,那么你就会得到类似于MATLAB的结果,而不需要任何这样的破解:
>>> A[1:3,1:3]
array([[ 6, 7],
[11,12]])与MATLAB不同,在[1,2]中,1:3不仅仅是numpy或任何类似东西的缩写。(在这一点上,我觉得有必要提到一些您肯定已经知道的事情,即Python语言的1:3有点像[1,2],而MATLAB的语言有点像[1,2,3]:右边的端点包含在MATLAB中,而不包括在Python中。)
发布于 2012-07-09 19:14:19
你可以使用辅助函数numpy.ix_来获取Matlab的行为:
from numpy import ix_
A[ ix_( [0,2,4], [0,2,4] ) ]发布于 2013-07-18 04:21:37
使用numpy执行此操作的有效方法是重塑索引数组,使其与它们所索引的轴相匹配。
In [103]: a=numpy.arange(100).reshape(10,10)
In [104]: a
Out[104]:
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],
[30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
[40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
[50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
[60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
[70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
[80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
In [105]: x=numpy.array([3,6,9])
In [106]: y=numpy.array([2,7,8])
In [107]: a[x[:,numpy.newaxis],y[numpy.newaxis,:]]
Out[107]:
array([[32, 37, 38],
[62, 67, 68],
[92, 97, 98]])Numpy的广播规则是你的朋友(比matlab好得多)……
HTH
https://stackoverflow.com/questions/11393140
复制相似问题