如何使用 (n-1) 维数组访问多维数组？

使用 (n-1) 维数组访问多维数组：综合指南

在多维数组领域，出现了一个诱人的问题挑战：沿特定维度使用 (n-1) 维数组访问 n 维数组。这个难题吸引了众多数据科学家和程序员。

问题：剖析多维数组

设想一个 3 维数组 a，充满分布的数值跨越它的三个轴。现在，假设我们坚定不移地想要沿着给定维度提取最大值，比如第一个维度。我们如何使用 (n-1) 维数组 idx 来实现此目的，该数组保存沿该维度的最大值的索引？

解决方案 1：释放高级索引的力量

利用高级索引的力量，我们可以想出一个解决方案来解决我们的困境。通过利用 numpy 的网格函数，我们可以巧妙地生成跨越 a 的每个维度形状的坐标，除了我们要索引的维度。此操作使我们能够访问 a 的最大值，就像通过 a.max(axis=0) 提取一样。

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

解决方案 2：大众通用方法

对于那些寻求更通用解决方案的人，我们引入了 argmax_to_max。这个巧妙的函数使我们能够毫不费力地从 argmax 和 arr 复制 arr.max(axis) 的行为。其优雅的设计以其复杂的机制简化了索引处理任务。

<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>

索引多维数组：揭开微妙之处

除了提取最大值之外，还可以访问多维数组(n-1) 维数组提出了另一个有趣的挑战。通过将数组形状分解为 (n-1) 维网格，all_idx 有助于无缝检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>

有了这些索引修饰技术，您现在就拥有了在数据整理冒险中克服使用 (n-1) 维数组访问多维数组的挑战。愿它给你带来胜利和启迪！

以上是如何使用 (n-1) 维数组访问多维数组？的详细内容。更多信息请关注PHP中文网其他相关文章！