Peut-on utiliser un tableau 1D pour indexer un tableau 3D et appliquer une multiplication sur un seul axe ?

Question

J'essaie de vectoriser ce processus. J'ai une matrice 4x4x4. J'essaie de multiplier la valeur dans [i,0,num[i]] par le multiplicateur i où i est l'intervalle(data.shape[0]) et de placer le résultat dans [i,0,num[i]]. J'essaie de comprendre comment vectoriser cela. Je ne peux le faire que dans une boucle. J'espère que le code aura plus de sens. Le code n'est pas correct, mais je pense que j'en suis proche.

import numpy as np

data = np.array([[[ 2.,  2.,  2.,  2.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.]],

                 [[ 1.,  1.,  1.,  1.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.]],

                 [[ 3.,  3.,  3.,  3.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.]],

                 [[ 5.,  5.,  5.,  5.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.],
                  [ 0.,  0.,  0.,  0.]]])

num = np.array([1, 2, 2, 3])
multipler = np.array([0.5, 0.6, 0.2, 0.3])

data[:, 1, num] = multipler * data[:, 0, num]

data[:, 2, num] = data[:, 0, num] - data[:, 1, num]

print(data) # This is the goal output

[[[2.  2.  2.  2. ]
  [0.  1.  0.  0.]
  [0.  1.  0.  0.]
  [0.  0.  0.  0. ]]

 [[1.  1.  1.  1. ]
  [0.  0.  0.6 0.]
  [0.  0.  0.4 0.]
  [0.  0.  0.  0. ]]

 [[3.  3.  3.  3. ]
  [0.  0.  0.6 0.]
  [0.  0.  2.4 0.]
  [0.  0.  0.  0. ]]

 [[5.  5.  5.  5. ]
  [0.  0.  0.  1.5]
  [0.  0.  0.  3.5]
  [0.  0.  0.  0. ]]]

Answer 1

Cela fonctionne :

my_range = range(data.shape[0])
data[my_range, 1, num] = data[my_range, 0, num] * multipler
data[my_range, 2, num] = data[my_range, 0, num] - data[my_range, 1, num]

Sortie :

print (data)

[[[2.  2.  2.  2. ]
  [0.  1.  0.  0. ]
  [0.  1.  0.  0. ]
  [0.  0.  0.  0. ]]

 [[1.  1.  1.  1. ]
  [0.  0.  0.6 0. ]
  [0.  0.  0.4 0. ]
  [0.  0.  0.  0. ]]

 [[3.  3.  3.  3. ]
  [0.  0.  0.6 0. ]
  [0.  0.  2.4 0. ]
  [0.  0.  0.  0. ]]

 [[5.  5.  5.  5. ]
  [0.  0.  0.  1.5]
  [0.  0.  0.  3.5]
  [0.  0.  0.  0. ]]]