我正在尝试使用argmin(或相关的argmax等函数)中的2D数组索引来索引大型3D数组。这是我的示例数据:
import numpy as np
shape3d = (16, 500, 335)
shapelen = reduce(lambda x, y: x*y, shape3d)
# 3D array of [random] source integers
intcube = np.random.uniform(2, 50, shapelen).astype('i').reshape(shape3d)
# 2D array of indices of minimum value along first axis
minax0 = intcube.argmin(axis=0)
# Another 3D array where I'd like to use the indices from minax0
othercube = np.zeros(shape3d)
# A 2D array of [random] values I'd like to assign in othercube
some2d = np.empty(shape3d[1:])
此时,两个3D数组具有相同的形状,而minax0
数组的形状为(500,335)。现在我想使用minax0
作为第一维度的索引位置,将2D数组some2d
的值赋给3D数组othercube
。这是我尝试的代码,但不起作用:
othercube[minax0] = some2d # or
othercube[minax0,:] = some2d
抛出错误:
ValueError:使用花式索引的维度过大
注意:我目前正在使用以下代码,但不太符合NumPy的规范:
for r in range(shape3d[1]):
for c in range(shape3d[2]):
othercube[minax0[r, c], r, c] = some2d[r, c]
我一直在网上搜寻类似的例子来索引othercube
,但是我没有找到任何优雅的方法。这需要一个高级索引吗?有什么建议吗?