transformação de 3d para 2d numpy com base na matriz de máscara 2d
Se eu tenho um ndarray assim:
>>> a = np.arange(27).reshape(3,3,3)
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
Eu sei que posso obter o máximo ao longo de um determinado eixo usandonp.max(axis=...)
:
>>> a.max(axis=2)
array([[ 2, 5, 8],
[11, 14, 17],
[20, 23, 26]])
Alternativamente, eu poderia obter oíndices ao longo desse eixo que correspondem aos valores máximos de:
>>> indices = a.argmax(axis=2)
>>> indices
array([[2, 2, 2],
[2, 2, 2],
[2, 2, 2]])
Minha pergunta - dada a matrizindices
e o arraya
existe uma maneira elegante de reproduzir a matriz da matriz retornada pora.max(axis=2)
?
Isso provavelmente funcionaria:
import itertools as it
import numpy as np
def apply_mask(field,indices):
data = np.empty(indices.shape)
#It seems highly likely that there is a more numpy-approved way to do this.
idx = [range(i) for i in indices.shape]
for idx_tup,zidx in zip(it.product(*idx),indices.flat):
data[idx_tup] = field[idx_tup+(zidx,)]
return data
Mas, parece bastante hacky / ineficiente. Ele também não permite que eu use isso com qualquer eixo diferente do "último" eixo. Existe uma função numpy (ou algum uso de indexação mágica numpy) para fazer este trabalho? O ingênuoa[:,:,a.argmax(axis=2)]
não funciona.
ATUALIZAR:
Parece que o seguinte também funciona (e é um pouco melhor):
import numpy as np
def apply_mask(field,indices):
data = np.empty(indices.shape)
for idx_tup,zidx in np.ndenumerate(indices):
data[idx_tup] = field[idx_tup+(zidx,)]
return data
Eu gostaria de fazer isso porque eu gostaria de extrair os índices com base nos dados em 1 array (normalmente usandoargmax(axis=...)
) e use esses índices para extrair dados de um monte de outros arrays (de formato equivalente). Estou aberto a formas alternativas de realizar isso (por exemplo, usando matrizes booleanas mascaradas). No entanto, eu gosto da "segurança" que eu uso esses arrays "index". Com isso, tenho a garantia de ter o número certo de elementos para criar uma nova matriz que se parece com uma "fatia" 2D através do campo 3D.