np.take_along_axis 多维数组的索引

代码

a = np.arange(2*3*4)
a = d.reshape([2,3,4])
b = np.zeros([2,3,1]).astype('int)
c = np.take_along_axis(a,b,-1)

结果

a.shape = (2, 3, 4)
b.shape = (2, 3, 1)
c,shape = (2, 3, 1)
a = 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]
]])

b = array([[
		[0],
        [0],
        [0]],

       [[0],
        [0],
        [0]
]])

c = array([[
		[ 0],
        [ 4],
        [ 8]],

       [[12],
        [16],
        [20]
]])

等价于

torch.gather(a,-1,b)

参考网站: https://stackoverflow.com/questions/37878946/indexing-one-array-by-another-in-numpy

### np.apply_along_axis 参数详解及示例 #### 1. 函数签名 `numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)` - **func1d**: 沿指定轴作用的函数。该函数应接受一维数组作为输入,并返回一个标量或一维数组。 - **axis**: 整数,表示沿哪个轴应用 `func1d`。对于二维数组,`axis=0` 表示按列操作,而 `axis=1` 则表示按行操作。 - **arr**: 输入的多维数组。 - ***args 和 **kwargs*: 可选参数,传递给 `func1d`。 --- #### 2. 功能描述 `np.apply_along_axis` 的主要功能是对一个多维数组的特定轴上的每个子数组依次调用某个函数 `func1d`。它会自动提取目标轴上的每一个切片并将其展平成一维形式供 `func1d` 使用[^7]。 --- #### 3. 示例说明 ##### 示例 1: 计算每行的最大值 假设有一个二维数组,希望找到每一行的最大值: ```python import numpy as np data = np.array([[1, 2, 3], [4, 5, 6]]) result = np.apply_along_axis(np.max, axis=1, arr=data) print(result) # 输出: [3 6] ``` 此处,`np.max` 被视为 `func1d`,沿着第 1 轴(即按行)对数组进行最大值计算[^8]。 --- ##### 示例 2: 自定义函数的应用 下面的例子展示如何使用自定义函数来处理每一行数据: ```python def custom_func(row): return row.mean() / row.std() data = np.random.rand(3, 4) output = np.apply_along_axis(custom_func, axis=1, arr=data) print(output) ``` 在这个例子中,`custom_func` 接收每一行作为一个一维数组,并对其求均值除以标准差的结果[^9]。 --- ##### 示例 3: 结果为多维的情况 当 `func1d` 返回多个值时,结果也会形成更高维度的数组: ```python def split_into_two_parts(row): half_point = len(row) // 2 return row[:half_point], row[half_point:] data = np.arange(6).reshape((2, 3)) result = np.apply_along_axis(split_into_two_parts, axis=1, arr=data) print(result.shape) # 输出: (2, 2, 1),其中第一个维度对应两行,第二个维度存储分割后的部分 ``` 在这里,`split_into_two_parts` 将每行分成两个部分,因此最终结果具有更高的维度[^10]。 --- ### 总结 `np.apply_along_axis` 提供了一种简洁的方式来针对某一轴上的所有子数组逐一应用任意函数。它的灵活性使其成为处理复杂数据分析任务的强大工具之一。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值