我正在编写一个程序,该程序应该能够导入一些更高维度的 numpy 数组,例如类似于数组 a:
a = numpy.zeros([3,5,7,2])
此外,每个维度将对应于一些物理维度,例如频率、距离……我还将导入包含这些维度信息的数组,例如对于以上:
freq = [1,2,3]
time = [0,1,2,3,4,5,6]
distance = [0,0,0,4,1]
angle = [0,180]
从这个例子和签名中可以清楚地看出,频率属于维度 0,时间属于维度 2,依此类推。但由于事先不知道这一点,我可以像这样进行频率切片
a_f1 = a[1,:,:,:]
因为不知道频率索引到哪个维度
所以,我想要的是有一些方法来选择用索引索引哪个维度;在一些类似 Python 的代码中类似
a_f1 = a.get_slice([0,], [[1],])
这假设从维度 0 和所有其他维度返回索引为 1 的切片。
做
a_p = a[0, 1:, ::2, :-1]
然后将对应于类似的东西
a_p = a.get_slice([0, 1, 2, 3], [[0,], [1,2,3,4], [0,2,4,6], [0,]])
请您参考如下方法:
您可以相当轻松地构造一个索引元组,在需要时使用 slice 对象,然后使用它来索引您的数组。基本的配方是这样的:
indices = {
0: # put here whatever you want to get on dimension 0,
1: # put here whatever you want to get on dimension 1,
# leave out whatever dimensions you want to get all of
}
ix = [indices.get(dim, slice(None)) for dim in range(arr.ndim)]
arr[ix]
在这里,我使用字典完成了此操作,因为我认为这样可以更轻松地查看哪个维度与哪个索引器相关。
因此对于您的示例数据:
x = np.zeros([3,5,7,2])
我们这样做:
indices = {0: 1}
ix = [indices.get(dim, slice(None)) for dim in range(x.ndim)]
>>> x[ix].shape
(5L, 7L, 2L)
因为您的数组全为零,所以我只是显示结果的形状以表明它是我们想要的。 (即使不是全为零,也很难读取文本形式的 3D 数组。)
第二个例子:
indices = {
0: 0,
1: slice(1, None),
2: slice(None, None, 2),
3: slice(None, -1)
}
ix = [indices.get(dim, slice(None)) for dim in range(x.ndim)]
>>> x[ix].shape
(4L, 4L, 1L)
您可以看到形状对应于您的 a_p 示例中的值的数量。需要注意的一件事是第一个维度消失了,因为您只为该索引指定了一个值。最后一个维度仍然存在,但长度为一,因为您指定的切片恰好只获取一个元素。 (这与 some_list[0] 为您提供单个值,而 some_list[:1] 为您提供单元素列表的原因相同。)
