python获取数组中大于某一阈值的那些索引值 |
您所在的位置：网站首页 › python数组索引为-1 › python获取数组中大于某一阈值的那些索引值 |
python获取数组中大于某一阈值的那些索引值
高级索引
在numpy或pytorch等框架中的对张量的操作不只提供了类似python列表的切片索引等操作，还提供了高级索引。 高级索引大致可分为整数数组索引、布尔索引及花式索引三类： 整数数组索引整数数组索引指使用同形状的多个数组分别指定元素的所有维度（不指定的维度也可以用切片:或省略号...与索引数组组合），可精准取出一批指定位置的元素，按照给定数组形状返回。 如给定4*3 的二维数组 x = np.arange(12).reshape(4,3) print(x)输出为： [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]]1.取出其(0,0)，(1,1)和(2,0)位置处的元素。 给出两个一维数组分别指定第0维和第1维 y = x[[0,1,2], [0,1,0]] print(y) #[0 4 6]2.传入的位置指定数组也可为多维，取出其[[(0,0),(0,2)]，[3,0, 3,2]]的元素 rows = np.array([[0,0],[3,3]]) cols = np.array([[0,2],[0,2]]) y = x[rows,cols] print (y)输出为 [[ 0 2] [ 9 11]]举例应用场景: 改变矩阵对角线元素，高级索引除了用来得到元素，也可以像平常索引一样对原张量进行操作。 给定一个33 3 的矩阵 x = np.arange(27).reshape(3,3,3) print(x)输出： 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]]])将其选定的对角线元素改变 items = range(3) x[items,1:, items] = -2 print(x)输出 array([[[ 0, 1, 2], [-2, 4, 5], [-2, 7, 8]], [[ 9, 10, 11], [12, -2, 14], [15, -2, 17]], [[18, 19, 20], [21, 22, -2], [24, 25, -2]]]) 2.布尔索引我们可以通过一个布尔数组来索引目标数组。 布尔数组性状为目标数组的维度 给定一个33 3 的矩阵 x = np.arange(27).reshape(3,3,3) print(x)输出： 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]]])使用布尔数组索引位置： idx1 = np.array([0,1,1], dtype=bool) idx2 = np.array([[[ 0, 0, 0], [ 0, 0, 0], [ 0, 0, 0]], [[ 0, 1, 1], [ 0, 0, 0], [ 0, 0, 0]], [[ 0, 0, 0], [ 0, 0, 0], [ 0, 0, 0]]], dtype=bool) print(x[idx1]) print(x[idx2])输出为 [[[ 9 10 11] [12 13 14] [15 16 17]] [[18 19 20] [21 22 23] [24 25 26]]]#x[idx1] [10 11] #x[idx2]布尔索引也通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。 以下实例获取大于 5 的元素： x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) print ('我们的数组是：') print (x) print ('n') # 现在我们会打印出大于 5 的元素 print ('大于 5 的元素是：') print (x[x > 5])输出 我们的数组是： [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] 大于 5 的元素是： [ 6 7 8 9 10 11]以下实例使用了 ~（取补运算符）来过滤 NaN。 a = np.array([np.nan, 1,2,np.nan,3,4,5]) print (a[~np.isnan(a)])输出 [ 1. 2. 3. 4. 5.]以下实例演示如何从数组中过滤掉非复数元素。 a = np.array([1, 2+6j, 5, 3.5+5j]) print (a[np.iscomplex(a)])输出 [2.0+6.j 3.5+5.j] 花式索引花式索引与整数数组索引不同，一次使用一个索引数组指定一个维度来指定某个轴的下标，其他维度可以用切片:或省略号...与常规索引。 花式索引跟切片不一样，它总是将数据复制到新数组中，是原张量的副本。 1、传入顺序索引数组 x=np.arange(32).reshape((8,4)) print (x[[4,2,1,7]])输出 [[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]2、传入倒序索引数组 x=np.arange(32).reshape((8,4)) print (x[[-4,-2,-1,-7]])输出结果为： [[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]]3、也可指定多维，传入多个索引数组（要使用np.ix_） np.ix_分别指定其两个维度1,5,7,2行，和0,3,1,2列 x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,5,7,2],[0,3,1,2])])输出结果为： [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]举例，类似multi-head，假设一句话的隐藏矩阵为（50,200）， 50为句子长，200为隐藏维度，构建两个词两两组合的矩阵。meshgrid生成两个（50,50）的矩阵，元素值分别为行号和列号的广播形式 import torch h = torch.randn(50,200) r_idx, c_idx = torch.meshgrid(torch.arange(50), torch.arange(50)) muilti_h = torch.cat(h[r_idx], h[c_idx],dim=-1)# (50,50,200) |
【本文地址】
今日新闻 |
推荐新闻 |