从 argwhere 到哪里？

Question

有没有一种快速方法可以在 where 格式的输出中获取 argwhere 的输出？

让我向您展示我正在用一些代码做什么：

In [123]: filter = np.where(scores[:,:,:,4,:] > 21000)

In [124]: filter
Out[124]: 
(array([ 2,  2,  4,  4,  4,  4,  4,  4,  4,  4,  4, 23, 23, 23, 23, 23]),
 array([13, 13,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  5]),
 array([0, 1, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 2, 2, 2, 2]),
 array([44, 44,  0,  1,  2,  3,  6,  8, 12, 14, 22, 31, 58, 76, 82, 41]))

In [125]: filter2 = np.argwhere(scores[:,:,:,4,:] > 21000)

In [126]: filter2
Out[126]: 
array([[ 2, 13,  0, 44],
       [ 2, 13,  1, 44],
       [ 4,  4,  3,  0],
       [ 4,  4,  3,  1],
       [ 4,  4,  3,  2],
       [ 4,  4,  3,  3],
       [ 4,  4,  3,  6],
       [ 4,  4,  3,  8],
       [ 4,  4,  3, 12],
       [ 4,  4,  3, 14],
       [ 4,  4,  3, 22],
       [23,  4,  2, 31],
       [23,  4,  2, 58],
       [23,  4,  2, 76],
       [23,  4,  2, 82],
       [23,  5,  2, 41]])

In [150]: scores[:,:,:,4,:][filter]
Out[150]: 
array([ 21344.,  21344.,  24672.,  24672.,  24672.,  24672.,  25232.,
        25232.,  25232.,  25232.,  24672.,  21152.,  21152.,  21152.,
        21152.,  21344.], dtype=float16)

In [129]: filter2[np.argsort(scores[:,:,:,4,:][filter])]
Out[129]: 
array([[23,  4,  2, 31],
       [23,  4,  2, 58],
       [23,  4,  2, 76],
       [23,  4,  2, 82],
       [ 2, 13,  0, 44],
       [ 2, 13,  1, 44],
       [23,  5,  2, 41],
       [ 4,  4,  3,  0],
       [ 4,  4,  3,  1],
       [ 4,  4,  3,  2],
       [ 4,  4,  3,  3],
       [ 4,  4,  3, 22],
       [ 4,  4,  3,  6],
       [ 4,  4,  3,  8],
       [ 4,  4,  3, 12],
       [ 4,  4,  3, 14]])

129是我想要的输出，所以我的代码可以工作，但我正在努力使其尽可能快。我应该filter2和吗np.array(filter).transpose()？还有更好的吗？

编辑，试图更清楚地说：我想要一个索引列表，按它们应用于数组时返回的值排序。为此，我需要 np.where 和 np.argwhere 的输出，并且我想知道从一个输出切换到另一个输出的最快方法是什么，或者是否有另一种获得结果的方法。

Answer 1

查看代码argwhere：

return transpose(asanyarray(a).nonzero())

虽然where文档说：

where(condition, [x, y]) 如果仅condition给出，则返回condition.nonzero()。

实际上，两者都使用a.nonzero(). 一个按原样使用它，另一个将其转置。

In [933]: x=np.zeros((2,3),int)
In [934]: x[[0,1,0],[0,1,2]]=1
In [935]: x
Out[935]: 
array([[1, 0, 1],
       [0, 1, 0]])

In [936]: x.nonzero()
Out[936]: (array([0, 0, 1], dtype=int32), array([0, 2, 1], dtype=int32))
In [937]: np.where(x)   # same as nonzero()
Out[937]: (array([0, 0, 1], dtype=int32), array([0, 2, 1], dtype=int32))
In [938]: np.argwhere(x)
Out[938]: 
array([[0, 0],
       [0, 2],
       [1, 1]], dtype=int32)
In [939]: np.argwhere(x).T
Out[939]: 
array([[0, 0, 1],
       [0, 2, 1]], dtype=int32)

argwhere().Twhere与 2d 而不是元组相同。

np.transpose(filter)并且np.array(filter).T看起来同样好。对于大型数组，花费的时间nonzero远大于这些转换所花费的时间。