скаляр - это то, о чем я даже не задумывался, когда обработка обратной совместимости не сработала и был бы неверный результат, если бы мы сохранили список вместо кортежа. Как это показывает, поведение кортежа более последовательное и его легче прогнозировать.
самый элегантный способ получить доступ к n-мерному массиву с (n-1) -мерным массивом по заданному измерению, как в фиктивном примере
a = np.random.random_sample((3,4,4))
b = np.random.random_sample((3,4,4))
idx = np.argmax(a, axis=0)
Как я могу получить доступ сейчас сidx a
чтобы получить максимумы вa
как будто я использовалa.max(axis=0)
? или как получить значения, указанныеidx
вb
?
Я думал об использованииnp.meshgrid
но я думаю, что это перебор. Обратите внимание, что размерaxis
может быть любой полезной осью (0,1,2) и заранее неизвестна. Есть ли элегантный способ сделать это?