如何使用 (n-1) 維數組存取多維數組？

使用(n-1) 維數組存取多維數組：綜合指南

在多維數組領域，出現了一個誘人的問題挑戰：沿著特定維度使用(n-1) 維數組存取n 維數組。這個難題吸引了許多資料科學家和程式設計師。

問題：剖析多維數組

設想一個 3 維數組 a，充滿分佈的數值跨越它的三個軸。現在，假設我們堅定不移地想要沿著給定維度提取最大值，例如第一個維度。我們如何使用 (n-1) 維數組 idx 來實現此目的，該數組保存沿該維度的最大值的索引？

解決方案 1：釋放高級索引的力量

利用高級索引的力量，我們可以想出一個解決方案來解決我們的困境。透過利用 numpy 的網格函數，我們可以巧妙地產生跨越 a 的每個維度形狀的座標，除了我們要索引的維度。此操作使我們能夠存取 a 的最大值，就像透過 a.max(axis=0) 提取一樣。

<code class="python">m, n = a.shape[1:]
I, J = np.ogrid[:m, :n]
a_max_values = a[idx, I, J]</code>

解決方案 2：大眾通用方法

對於尋求更通用解決方案的人，我們引入了 argmax_to_max。這個巧妙的函數使我們能夠毫不費力地從 argmax 和 arr 複製 arr.max(axis) 的行為。其優雅的設計以其複雜的機制簡化了索引處理任務。

<code class="python">def argmax_to_max(arr, argmax, axis):
    new_shape = list(arr.shape)
    del new_shape[axis]

    grid = np.ogrid[tuple(map(slice, new_shape))]
    grid.insert(axis, argmax)

    return arr[tuple(grid)]</code>

索引多維數組：揭開微妙之處

除了提取最大值之外，還可以存取多維數組(n-1) 維數組提出了另一個有趣的挑戰。透過將陣列形狀分解為 (n-1) 維網格，all_idx 有助於無縫檢索索引指定的元素值。

<code class="python">def all_idx(idx, axis):
    grid = np.ogrid[tuple(map(slice, idx.shape))]
    grid.insert(axis, idx)
    return tuple(grid)</code>

有了這些索引修飾技術，您現在就擁有了在資料整理冒險中克服使用 (n-1) 維數組存取多維數組的挑戰。願它帶給你勝利和啟蒙！

以上是如何使用 (n-1) 維數組存取多維數組？的詳細內容。更多資訊請關注PHP中文網其他相關文章！