在MATLAB和Numpy中,都可以用数组来索引其他数组。但是它们的行为不同。让我通过一个例子来解释一下。
MATLAB:
MATLAB:
>> A = rand(5,5)
A =
0.1622 0.6020 0.4505 0.8258 0.1067
0.7943 0.2630 0.0838 0.5383 0.9619
0.3112 0.6541 0.2290 0.9961 0.0046
0.5285 0.6892 0.9133 0.0782 0.7749
0.1656 0.7482 0.1524 0.4427 0.8173
>> A([1,3,5],[1,3,5])
ans =
0.1622 0.4505 0.1067
0.3112 0.2290 0.0046
0.1656 0.1524 0.8173
Numpy:
In [2]: A = arange(25).reshape((5,5))
In [3]: A
Out[3]:
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]])
In [6]: A[[0,2,4], [0,2,4]]
Out[6]: array([ 0, 12, 24])
简而言之:MATLAB选择行和列,Numpy "压缩"这两个索引数组,并使用元组指向条目。
如何在Numpy中实现与MATLAB相同的行为?
ix_
构建的东西也相当大,尽管是临时的。我对一个5x5的数组进行了一些时间实验,就像原来的问题一样,得到了以下结果。[,:][:,]
比[ix_()]
快约25%,但如果您每次使用相同的索引,则使用ix_
构造一个索引数组一次并重复使用它约快10倍 - 尽管当然您会付出内存使用成本。 - Gareth McCaughanix_
几乎不占用内存的说法是正确的;我之前并没有意识到这一点。谢谢。如果你是在暗示索引一个小数组,使用不可预测的索引集合,并且关心每一微秒的情况很少见,那当然我同意!如果你关心性能,那么ix_
方法通常会更好。 - Gareth McCaughanA[[0,2,4],:][:,[0,2,4]]
在Numpy中获取正确的类似于Matlab的索引,请参阅最后的解释,我会为您翻译原始文本。 - linello