在特定索引处设置高维 numpy 数组等于一维数组

Question

我有一组对称张量

full_tensors

，并计算了二维数组

tensor_reduced

中的所有不同元素。我想根据不同元素

full_tensors

计算完整的

tensor_reduced

。我有一个列表

all_permutations_list

，其中包含应具有相同值的所有索引的元组（例如

all_permutations_list[1]=((0, 0, 1, 0, 0, 0), (0, 1, 0, 0, 0, 0), (1, 0, 0, 0, 0, 0), (0, 0, 0, 1, 0, 0), (0, 0, 0, 0, 1, 0), (0, 0, 0, 0, 0, 1)

），并且

tensor_reduced.shape[1]

与

len(all_permutations_list)

相同。

以下代码可以实现我想要的功能：

def makeFulltensor(tensor_reduced,all_permutations_list,dim=4):
       full_tensors=np.zeros((tensor_reduced.shape[0],dim,dim,dim,dim,dim,dim),dtype=tensor_reduced.dtype)
       for index,all_permutations in enumerate(all_permutations_list):
            for perm in (all_permutations):
                 full_tensors[:,perm[0],perm[1],perm[2],perm[3],perm[4],perm[5]]=tensor_reduced[:,index]
       return full_tensors

我想使用 NumPy 的索引功能来加速它，以避免内部（也许还有外部）for 循环。有谁知道有效的方法吗？

谢谢！

PS：all_permutations_list计算如下：

from itertools import permutations
from itertools import combinations_with_replacement as cwr
all_permutations_list=[]
reduced_indices=list(cwr(range(4), 6))
for index,(i,j,k,l,m,n) in enumerate(reduced_indices):
     all_permutations=set(permutations([i,j,k,l,m,n]))
     all_permutations_list.append(all_permutations)
all_permutations_list=[tuple(x) for x in all_permutations_list]

Answer 1

如果你想避免内部循环，请使用NumPy的高级索引功能：

def makeFulltensor(tensor_reduced, all_permutations_list, dim=4):
    full_tensors = np.zeros((tensor_reduced.shape[0], dim, dim, dim, dim, dim, dim), dtype=tensor_reduced.dtype)
    for index, all_permutations in enumerate(all_permutations_list):
        full_tensors[:, all_permutations] = tensor_reduced[:, index, None]
    return full_tensors

假设

all_permutations_list

是 NumPy 数组的元组列表。如果不是，您必须首先将其转换：

all_permutations_list = [np.array(x) for x in all_permutations_list]