如何在Python中有效地匹配两个数组值？

Question

我试图找到在Python中匹配两个数组轴的最佳方法，很可能是使用Numpy。 更准确地说： 我有C，它是一个H x W x L矩阵和D，它是一个H x W矩阵。H和W是图像的高度和宽度，L是例如可以在图像中显示的亮度集（0到100）。D包含像素的真实亮度。你知道吗

我想把所有与亮度匹配的像素在C第三轴上的亮度值相加，例如D矩阵中的值会告诉我使用哪个索引来获取C矩阵中的值。你知道吗

当然，我可以通过三个循环轻松完成：

sum = 0

for row in range(H) :
  for column in range(W) :
    for luminance in range(L) :
      if luminance == D[row, column] :
        sum += C[row, column, luminance]
        break

但这不是有效的。我想用numpy找到一种方法，比如：

import numpy as np

sum = np.sum(C[:, :, np.where(C[:,:] == [D[:,:]])[0][0]))

我不知道这样行不行。 我认为有一种方法可以使用meshgrid函数轻松地循环遍历像素，并通过调用

import numpy as np

sum = np.sum(np.meshgrid(range(H), range(W), f(D)))

其中f（D）与D矩阵有关。你知道吗

好吧，这就是我迄今为止所尝试的，谢谢你一如既往的帮助！你知道吗

Answer 1

为什么不把D的所有值相加呢？有没有可能C中的亮度不会出现在D中，这是为什么？你知道吗

无论如何，另一种实现方法是重复C的值以匹配D的形状，然后只对匹配的值求和，前提是C的每个像素没有重复的值。你知道吗

D_repeated = np.repeat(D[:, :, np.newaxis], L, axis=2)
sum = np.sum(C[C==D_repeated])

Answer 2

我正在使用numpy.meshgrid添加一个答案。你知道吗

我们可以通过以下方式做到这一点：

import numpy as np

lines, columns = np.meshgrid(range(H), range(W), indexing='ij')

sum = np.sum(C[lines, columns, D])

这样，D中的值就可以告诉C使用哪个索引来获得正确的值。你知道吗