为什么这个numpy构造工作，并且有一个更正确的方法来做它？

Question

我使用numpy从由顶点索引定义的四面图中提取人脸。我有一个初始数组定义了四面体图解

tetrahedra = np.array([[0, 1, 2, 3], [1, 2, 3, 4], [2, 3, 4, 5]])

对于每个四面体，我使用掩模阵列来识别人脸。

face1 = [True, True, True, False]
face2 = [True, True, False, True]
face3 = [False, True, True, True]
face4 = [True, False, True, True]

我发现下面的numpy表达式对于每个四面体都会产生面缺陷

faces = tetrahedra[:,np.reshape(np.r_[tetrahedra[0][face1 ],tetrahedra[0][face2 ],tetrahedra[0][face3 ],tetrahedra[0][face4 ]], (-1,3))]

编辑:由于@npaulj，我现在看到这似乎只起作用，因为索引表示法中的四面体实际上是0、1、2、3。

mask1_ = np.array([0, 1, 2])
mask2_ = np.array([0, 1, 3])
mask3_ = np.array([1, 2, 3])
mask4_ = np.array([0, 2, 3])

，然后将表达式更新为

faces = tetrahedra[:,np.reshape(np.r_[face1_, face2_, face3_, face4_], (-1,3))]

现在我的问题是，这实际上是如何工作的，是否有一种更好/更快的方法来执行这个操作？输出如下所示

THanks在此提供任何帮助。我很想接受它，因为它看起来很有效，但我无法解释为什么它能起作用，这让我担心……

[[[0 1 2]
  [0 1 3]
  [1 2 3]
  [0 2 3]]
 [[1 2 3]
  [1 2 4]
  [2 3 4]
  [1 3 4]]
 [[2 3 4]
  [2 3 5]
  [3 4 5]
  [2 4 5]]

]

编辑清理版是，

face_masks = np.array([[0, 1, 2], [0, 1, 3], [1, 2, 3],[0, 2, 3]])
faces = tetrahedra[:,face_masks]

Answer 1

所有中间步骤：

In [77]: tetrahedra = np.array([[0, 1, 2, 3], [1, 2, 3, 4], [2, 3, 4, 5]])
    ...: face1 = [True, True, True, False]
    ...: face2 = [True, True, False, True]
    ...: face3 = [False, True, True, True]
    ...: face4 = [True, False, True, True]

In [78]: tetrahedra[0]
Out[78]: array([0, 1, 2, 3])

In [79]: tetrahedra[0][face1]
Out[79]: array([0, 1, 2])

r_将这4种选择串联到一个数组中：

In [80]: np.r_[tetrahedra[0][face1 ],tetrahedra[0][face2 ],tetrahedra[0][face3 ],tetrahedra[0][face4 ]]
Out[80]: array([0, 1, 2, 0, 1, 3, 1, 2, 3, 0, 2, 3])

In [81]: np.reshape(np.r_[tetrahedra[0][face1 ],tetrahedra[0][face2 ],tetrahedra[0][face3
    ...:  ],tetrahedra[0][face4 ]], (-1,3))
Out[81]: 
array([[0, 1, 2],
       [0, 1, 3],
       [1, 2, 3],
       [0, 2, 3]])

最后，只需将其用于索引tetrahedra的列维度。索引a (3,4)与此(4,3)产生a (3,4,3)。

vstack也可以用来连接选择，但这是一个小变化：

In [82]: np.vstack([tetrahedra[0][face1 ],tetrahedra[0][face2 ],tetrahedra[0][face3 ],tet
    ...: rahedra[0][face4 ]])
Out[82]: 
array([[0, 1, 2],
       [0, 1, 3],
       [1, 2, 3],
       [0, 2, 3]])

编辑

或者，如果不希望指望tetrahedra[0]为0、1、2、3，则只需查找True元素的索引：

In [106]: np.nonzero([face1,face2,face3,face4])
Out[106]: 
(array([0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3]),
 array([0, 1, 2, 0, 1, 3, 1, 2, 3, 0, 2, 3]))

元组[1]的第二个元素是与r_相同的索引。

In [122]: idx = np.nonzero([face1,face2,face3,face4])
In [123]: idx[1]
Out[123]: array([0, 1, 2, 0, 1, 3, 1, 2, 3, 0, 2, 3])
In [124]: tetrahedra[np.arange(3)[:,None],idx[1]]
Out[124]: 
array([[0, 1, 2, 0, 1, 3, 1, 2, 3, 0, 2, 3],
       [1, 2, 3, 1, 2, 4, 2, 3, 4, 1, 3, 4],
       [2, 3, 4, 2, 3, 5, 3, 4, 5, 2, 4, 5]])
In [125]: tetrahedra[np.arange(3)[:,None],idx[1]].reshape(3,4,3)
Out[125]: 
array([[[0, 1, 2],
        [0, 1, 3],
        [1, 2, 3],
        [0, 2, 3]],

       [[1, 2, 3],
        [1, 2, 4],
        [2, 3, 4],
        [1, 3, 4]],

       [[2, 3, 4],
        [2, 3, 5],
        [3, 4, 5],
        [2, 4, 5]]])