如何解决如何使用 Python 中向量化的可变长度数组列表对多维数组进行切片?
数据: x
是一个 n 维数组,它给出了粒子对之间在 2 维中随时间变化的相对位置。它的形状为 (100,50,2)
,其中轴对应时间(100 帧)、i 个粒子(50 个粒子)、j 个粒子(50 个粒子)和位置(2 个坐标)。此外,我有两个数组列表 iParticles
和 jParticles
,它们表示每次我想考虑的粒子变量集:列表的长度对应于时间( 100 帧)并且列表中的每个元素都是一个整数数组,代表一组粒子(它们没有固定的长度,它们可以从零到粒子总数 50)。例如:
import numpy as np
x = np.random.rand(100,2)
#List of arrays of variable lengths
iParticles = [np.random.randint(0,size=np.random.randint(50)) for t in range(100)]
jParticles = [np.random.randint(0,size=np.random.randint(50)) for t in range(100)]
问题:我想得到对应于每个粒子对x
和iParticles
的子集的jParticles
位置的扁平数组时间矢量化。我想做类似的事情:
xSubSet_0 = x[:,iParticles,jParticles,0].flatten()
,但这不起作用。
-
无需矢量化我可以通过以下方式实现:
xSubSet_0 = [] for t in range(100): for i in iParticles[t]: for j in jParticles[t]: xSubSet_0.append(x[t,i,j,0])
-
矢量化的半步如果没有时间轴,这个问题将是:
xSubSet_0 = np.concatenate([x[ t,iParticles[t][:,np.newaxis],jParticles[t],0].flatten() for t in range(100)])
是否可以将问题完全矢量化?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。