Dưới đây là một cách tiếp cận sử dụng linear indexing
-
zt,yt,xt = x.shape
out = x.reshape(zt,-1)[idx.ravel(),np.arange(yt*xt)].reshape(-1,xt)
kiểm tra Runtime & xác minh đầu ra
Phần này so sánh phương pháp được đề xuất trong bài đăng này và other orgid based solution
về hiệu suất và cũng xác minh kết quả đầu ra.
định nghĩa Chức năng -
def original_app(x,idx):
_,yt,xt = x.shape
y = np.zeros((yt,xt))
for j in range(yt):
for i in range(xt):
y[j, i] = x[idx[j, i], j, i]
return y
def ogrid_based(x,idx):
_,yt,xt = x.shape
J, I = np.ogrid[:yt, :xt]
return x[idx, J, I]
def reshape_based(x,idx):
zt,yt,xt = x.shape
return x.reshape(zt,-1)[idx.ravel(),np.arange(yt*xt)].reshape(-1,xt)
cài đặt đầu vào -
In [56]: # Inputs
...: zt,yt,xt = 100,100,100
...: x = np.random.rand(zt,yt,xt)
...: idx = np.random.randint(0,zt,(yt,xt))
...:
Xác nhận kết quả đầu ra -
In [57]: np.allclose(original_app(x,idx),ogrid_based(x,idx))
Out[57]: True
In [58]: np.allclose(original_app(x,idx),reshape_based(x,idx))
Out[58]: True
Thời gian -
In [68]: %timeit original_app(x,idx)
100 loops, best of 3: 6.97 ms per loop
In [69]: %timeit ogrid_based(x,idx)
1000 loops, best of 3: 391 µs per loop
In [70]: %timeit reshape_based(x,idx)
1000 loops, best of 3: 230 µs per loop