Numpy中的ravel_multi_index函数用法说明

最近遇到了ravel_multi_index这个函数,官方文档看不明白,Google了一番好不容易才从一堆示例代码里理解函数的意义,记录一下。

官方文档在这

这个函数主要功能为把给定的一个多维数组(函数的第一个参数)看作索引数组,索引什么呢?去索引一个形状为dims(函数的第二个参数),值为依次增大的自然数的数组中的值(可看做由list(range(N))的数组reshape(dims)而来),意义即为用一个唯一的一维数来定位(保存)原数组的二维(或多维(i,j,k,…))的数对的信息。

把文档里的示例代码贴一下来解释:

>>> arr = np.array([[3,6,6],[4,5,1]])
>>> np.ravel_multi_index(arr, (7,6))
array([22, 41, 37])
>>> np.ravel_multi_index(arr, (7,6), order='F')
array([31, 41, 13])
>>> np.ravel_multi_index(arr, (4,6), mode='clip')
array([22, 23, 19])
>>> np.ravel_multi_index(arr, (4,4), mode=('clip','wrap'))
array([12, 13, 13])
>>> np.ravel_multi_index((3,1,4,1), (6,7,8,9))
1621

示例中arr即为要转换的多维数组,把arr的内容当作索引,即[3,6,6]为横坐标,[4,5,1]为纵坐标,去索引形状为(7,6),内容为从0开始,从左往右,从上往下依次增大的自然数的数组中的值。

例如第一个要索引的数[3,4]即为(7,6)数组中第4行,第5列的的值,即为3*6+4=22,即为结果中的第一个数。依次类推。

了解函数功能后,其他参数具体可见官方文档说明。

补充:numpy.unravel_index 与 numpy.ravel_multi_index的理解

遇到numpy.ravel_multi_index 与numpy.unravel_index 这两个函数,查了网上的很多资料 都没讲的很清楚,记录一下。

这两个函数是相对应的:

numpy.unravel_index(indices, shape, order='C')

其中indices是表示一个一维数组的index,将这个一维数组转换成大小为shape([col, row])shape矩阵决定了转变后得到的数组的行和列的大小,进而得到index在新的二维矩阵 中的行index 和列index 其中order决定先是行index,还是先是列index 'C'先是列index 再是行index ‘F'先是行index 再是列index

 np.unravel_index([22, 41, 37], (7,6))
(array([3, 6, 6]), array([4, 5, 1]))

numpy.ravel_multi_index是numpy.unravel_index反过来的过程,

numpy.ravel_multi_index(multi_index, dims, mode='raise', order='C')

根据multi_index中不同数组代表的具体的索引,以及该数组的dims的大小 ,得到将该数组flat成一维数组 数据在一位数组中的位置。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。如有错误或未考虑完全的地方,望不吝赐教。

你可能感兴趣的:(Numpy中的ravel_multi_index函数用法说明)