根据另一个 numpy 数组对 numpy 数组的每一行的列重新排序

Question

我们有一个名为 main_arr 的主数组，我们想将其转换为另一个名为 result 的数组相同大小，使用 guide_arr，再次使用相同的尺寸：

import numpy as np
main_arr = np.array([[3, 7, 4], [2, 5, 6]])
guide_arr = np.array([[2, 0, 1], [0, 2, 1]])
result = np.zeros(main_arr.shape)

我们需要结果等于：

if np.array_equal(result, np.array([[7, 4, 3], [2, 6, 5]])):
    print('success!')

我们应该如何使用guide_arr?

guide_arr[0,0]为2，表示result[0,2] = main_arr[0,0]

guide_arr[0, 1] 为 0 表示 result[0, 0] = main_arr[0, 1]

guide_arr[0, 2] 是 1 意味着 result[0, 1] = main_arr[0,2]

第 1 行也是如此。

总而言之，main_arr 中的项目应该重新排序（在一行中，行永远不会改变），以便它们的新列索引等于 guide_arr 中的数字。

Answer 1

In [199]: main_arr = np.array([[3, 7, 4], [2, 5, 6]])
     ...: guide_arr = np.array([[2, 0, 1], [0, 2, 1]])
     ...:

重新排序列的常用方法（顺序因行而异）是使用如下索引：

In [200]: main_arr[np.arange(2)[:,None],guide_arr]
Out[200]: 
array([[4, 3, 7],
       [2, 6, 5]])

arange(2)[:,None]是用(2,3)索引数组广播的列数组

我们可以将相同的想法应用到使用 guide_arr 来识别 result 中的列：

In [201]: result = np.zeros_like(main_arr)
In [202]: result[np.arange(2)[:,None], guide_arr] = main_arr
In [203]: result
Out[203]: 
array([[7, 4, 3],
       [2, 6, 5]])

这可能会阐明广播的工作原理：

In [204]: np.broadcast_arrays(np.arange(2)[:,None], guide_arr)
Out[204]: 
[array([[0, 0, 0],
        [1, 1, 1]]), 
 array([[2, 0, 1],
        [0, 2, 1]])]

根据另一个 numpy 数组对 numpy 数组的每一行的列重新排序

Reoder the columns of each row of a numpy array based on another numpy array

numpy

array-broadcasting