假设我有一个 rgb-imagetype 的 numpy 数组,如下所示:
d = [ [ [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] ] ]
我使用 random
import random
r = random.sample(range(1, len(d)*len(d[0])*3), 3)
# for example r = [25, 4, 15]
我怎样才能选择我想要的数据?
就像我想要第一个 r_value = 25 对应于 d[2][2][1] 的 数组 d 中的第 25 个值 >,因为它是第 25 个值。
请您参考如下方法:
您要做的是将其索引为平面或一维数组。有多种方法可以做到这一点。 ravel 和 reshape(-1) 创建一维 View ,flatten() 创建一维副本。
效率最高的是 flat迭代器(一个属性,而不是方法):
In [347]: d.flat[25]
Out[347]: 25
(它也可以在作业中使用,例如。d.flat[25]=0。
In [341]: idx = [25, 4, 15]
In [343]: d.flat[idx]
Out[343]: array([25, 4, 15])
要找出 3d 索引是什么,有实用程序 unravel_index(以及相应的 ravel_multi_index)
In [344]: fidx=np.unravel_index(idx,d.shape)
In [345]: fidx
Out[345]:
(array([2, 0, 1], dtype=int32),
array([2, 1, 2], dtype=int32),
array([1, 1, 0], dtype=int32))
In [346]: d[fidx]
Out[346]: array([25, 4, 15])
这是一个元组,一个元素的索引被读作“向下”,例如(2,2,1).
在大数组上,flat 索引实际上要快一点:
In [362]: dl=np.ones((100,100,100))
In [363]: idx=np.arange(0,1000000,40)
In [364]: fidx=np.unravel_index(idx,dl.shape)
In [365]: timeit x=dl[fidx]
1000 loops, best of 3: 447 µs per loop
In [366]: timeit x=dl.flat[idx]
1000 loops, best of 3: 312 µs per loop
