索引numpy数组由其他数组作为索引

Question

我试着用数组

a = [1,5,4,5,7,8,9,8,4,13,43,42]

和阵列

b = [3,5,6,2,7]

我希望b是a中的索引，例如，一个新数组

[a[b[0]], a[b[1]], a[b[2]], a[b[3]] ...]

因此，b中的值是a的索引，a中有500 k项，b(大约)中有500 k项。有没有一个快速的方法来踢所有的核心在numpy做这件事？我已经在循环中做得很好了，而且它是血。

编辑以澄清。解决方案必须适用于2D和3D数组。所以也许

b = [(2,3), (5,4), (1,2), (1,0)]

我们想要

c = [a[b[0], a[b[1], ...]

Answer 1

为了获得速度和多线程，我编写了一个对numpy的C扩展，称为张量加权Interpolative传输来解决这个问题。在纯python中，它是每200x100x3图像缩放和淡出3秒，而在具有8个核的多线程C中，相同的操作是0.5毫秒。

核心C代码的结果是

t2[dstidxs2[i2] + doff1] += t1[srcidxs2[i2] + soff1] * w1 * ws2[i2];

其中doff1是目标数组中的偏移量，w1和ws2是插值权值。所有的代码都是超优化在C中的速度。(不是代码大小或可维护性)

所有代码都可以在https://github.com/RMKeene/twit和PyPI上使用。

如果所有的权重都是1.0的话，我期望将来会有更多的优化，比如特殊情况。

Answer 2

不是说它是快速的，但简单地说，粗野的方式是：

a[b]

产出：

数组(5、8、9、4、8)

Answer 3

这可以在NumPy中使用高级索引完成。正如克里斯蒂安的回答所指出的，在一维情况下，您只需写：

a[b]

这相当于：

[a[b[x]] for x in range(b.shape[0])]

然而，在高维情况下，需要为索引的每个维度分别列出列表.也就是说，你不能：

a = np.random.randn(7, 8, 9)  # 3D array
b = [(2, 3, 0), (5, 4, 1), (1, 2, 2), (1, 0, 3)]
print(a[b])  # this is incorrect

但你可以做到：

b0, b1, b2 = zip(*b)
print(a[b0, b1, b2])

您也可以使用np.take

print(np.take(a, b))