问题描述
我正在替代itertools.product
作为练习,而我的方法是使用np.broadcast
:
import numpy as np
x = np.array([4,3,1])
y = np.array([2,4,0])
z = np.array([0,1,2])
ix = np.broadcast(x[:,None,None],y[None,:,z[None,:])
print(*ix)
这次工作正常,但是如果我愿意,如何自动创建所有这些“按眼睛排列”的新轴,比如说7个尺寸:
[:,None]
[None,:]
我期望np.ix_之类的东西允许在分配这些切片时使用所有这些None
和:
。
解决方法
每个索引都是一个n
元素元组。每个元组的 diagonal 元素,即第i
个元组的第i
个元素,是一个slice
对象。具体来说,:
代表slice(None)
。 (通常,x:y:z
是对象slice(x,y,z)
,所有缺少的元素都是None
,尽管必须至少提供一个参数)。
arguments = [(None,)*i + (slice(None),) + (None,)*(6-i) for i in range(7)]
# E.g.,i == 0 -> () + (slice(None),None,None)
# == (slice(None),None)
ix = np.broadcast(*(x[arg] for arg in arguments))
,
方法1
可以使用相同的眼睛排列来重塑所有参与的数组-
A = [x,z] # all arrays
s = 1-2*np.eye(len(A),dtype=int)
out = [a.reshape(i) for i,a in zip(s,A)]
这是使用s
进行整形的技巧部分:
In [53]: s
Out[53]:
array([[-1,1,1],# reshape to keep all axes singleton except first
[ 1,-1,# .. second
[ 1,-1]]) # ... third
因此,考虑将[-1,1]
整形以使除第一个轴以外的所有轴保持单身。与[:,None]
相同,依此类推。
方法2
使用相同的眼睛布置获取索引器-
idx = np.where(np.eye(len(A)),Ellipsis,None)
out = [a[tuple(i)] for a,i in zip(A,idx)]
索引器是:
In [77]: idx
Out[77]:
array([[Ellipsis,None],[None,Ellipsis]],dtype=object)