谁能解释一下 numpy.indices() 吗?
Posted
技术标签:
【中文标题】谁能解释一下 numpy.indices() 吗?【英文标题】:Can anybody explain me the numpy.indices()? 【发布时间】:2015-11-23 03:09:56 【问题描述】:我已多次阅读有关 np.indices() 的文档,但我似乎无法理解它的含义。 我已经在事物上多次使用它来查看它的作用,但我仍然无法真正理解它。也许问题是我是编程的初学者,所以我无法理解描述它的词语背后的想法。此外,我不是以英语为母语的人(尽管我对此没有任何问题)。 我将非常感谢一种更简单的解释,可能是一些例子。谢谢。
【问题讨论】:
别说你是初学者,我学numpy很多年了,也对这个indices()函数感到困惑。感谢您提出这个问题。 【参考方案1】:假设您有一个矩阵 M,其 (i,j)-th 元素等于
M_ij = 2*i + 3*j
定义这个矩阵的一种方法是
i, j = np.indices((2,3))
M = 2*i + 3*j
产生
array([[0, 3, 6],
[2, 5, 8]])
换句话说,np.indices
返回可用作索引的数组。 i
中的元素表示行索引:
In [12]: i
Out[12]:
array([[0, 0, 0],
[1, 1, 1]])
j
中的元素表示列索引:
In [13]: j
Out[13]:
array([[0, 1, 2],
[0, 1, 2]])
【讨论】:
文档经过精心编写,有效掩盖了这一事实。【参考方案2】:我已经理解了这段代码。
以下函数的行为与 np.indices() 相同。
# fixed dimensions=(2,3,4)
def my_indices():
dimensions = (2,3,4)
A = np.empty(dimensions)
# dimensions[0] = 2
A[0, :, :] = 0
A[1, :, :] = 1
B = np.empty(dimensions)
# dimensions[1] = 3
B[:, 0, :] = 0
B[:, 1, :] = 1
B[:, 2, :] = 2
C = np.empty(dimensions)
# dimensions[2] = 4
C[:, :, 0] = 0
C[:, :, 1] = 1
C[:, :, 2] = 2
C[:, :, 3] = 3
return [A, B, C]
致电
A, B, C = my_indices()
print(A.shape)
print(B.shape)
print(C.shape)
print('A\n', A)
print('B\n', B)
print('C\n', C)
结果
(2, 3, 4)
(2, 3, 4)
(2, 3, 4)
A
[[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]]
B
[[[0. 0. 0. 0.]
[1. 1. 1. 1.]
[2. 2. 2. 2.]]
[[0. 0. 0. 0.]
[1. 1. 1. 1.]
[2. 2. 2. 2.]]]
C
[[[0. 1. 2. 3.]
[0. 1. 2. 3.]
[0. 1. 2. 3.]]
[[0. 1. 2. 3.]
[0. 1. 2. 3.]
[0. 1. 2. 3.]]]
np.indices() 用例
def create_hsv_map():
img_hsv = np.empty((180, 256, 3), np.uint8)
hue, saturation = np.indices((180,256))
img_hsv[:, :, 0] = hue
img_hsv[:, :, 1] = saturation
img_hsv[:, :, 2] = 255
# ...
使用 np.repeat() 代替 np.indices() 的示例
def create_hsv_map2():
img_hsv = np.empty((180, 256, 3), np.uint8)
hue = np.repeat(np.arange(180).reshape(180, 1), repeats=256, axis=1)
saturation = np.repeat(np.arange(256).reshape(1, 256), repeats=180, axis=0)
img_hsv[:, :, 0] = hue
img_hsv[:, :, 1] = saturation
img_hsv[:, :, 2] = 255
# ...
【讨论】:
【参考方案3】:已经发布的答案仍然很复杂,所以这里是理解这一点的最简单方法。
第 1 步:让我们创建一个 2x2 网格
ids = np.indices((2,2))
第 2 步:现在让我们解压缩 i,j
索引
i, j = ids
这些是索引i,j
:
print(i)
[[0 0]
[1 1]]
print(j)
[[0 1]
[0 1]]
第 3 步:了解 i,j
代表什么
想到它的简单方法是将配对作为(i0,j0), (i1,j1), (i2,j2), (i3,j3)
即将i
的每个元素与j
的对应元素匹配。
所以我们得到:(0,0), (0,1), (1,0), (1,1)
。
这些正是 2x2 网格的索引:
【讨论】:
以上是关于谁能解释一下 numpy.indices() 吗?的主要内容,如果未能解决你的问题,请参考以下文章
谁能给我解释一下BIM轻量化是啥?而且我现在看到好多公司都在做BIM轻量化,有谁给我解释一下吗?