在 numpy 数组中仅随机排列一部分索引（类似于非黑色像素）的最快方法

Question

我有一个 3D numpy 形状数组，例如：(500,500,3)，只有一些 [i,j,:] 单元格在所有 3 个通道中都为零（想象一个所有通道都为零的 RGB 图像= 黑色像素）。执行这些值的就地排列的最快方法是什么，以便 'all zero' [i,j] 单元格保持 post-排列（在图像示例中，黑色像素保持黑色，所有其余排列）。

这是这样一个数组的示例，以及一个可行的解决方案（但我希望它尽可能快）：

# make the numpy array
a = np.zeros((500,500,3))
a[100:200,100:200] = 1
a[200:300,200:300] = 2

# extract (i,j) indices and corresponding RGB values for indices that are not all zero RGB
idx_to_val = {idx[:-1]: a[idx[:-1]] for idx, _ in np.ndenumerate(a) if sum(a[idx[:-1]]) > 0}
idx, vals = list(idx_to_val.keys()), list(idx_to_val.values())

# shuffle the (i,j) indices
np.random.shuffle(idx)

# fill in a new numpy array at these not-all-zero indices with the non-shuffled values 
a_perm = np.zeros(a.shape)
a_perm[tuple(zip(*idx))] = vals

任何关于更快解决方案的想法都将不胜感激！

Answer 1

这是一个完全矢量化的解决方案，基于advanced indexing:

a_perm = np.zeros_like(a)
rows, cols = np.where(a.any(axis=-1))
perm = np.random.permutation(len(rows))
a_perm[rows[perm], cols[perm]] = a[rows, cols]

在 numpy 数组中仅随机排列一部分索引（类似于非黑色像素）的最快方法

Fastest way to randomly permute only a subset of indices (akin to non-black pixels) in a numpy array

arrays

numpy

permutation

python-3.x