极客教程numpy中的散列/收集操作
在本文中，我们将介绍如何在numpy中进行散列/收集操作。散列（scatter）指的是将一个数组中的元素按照指定的索引散列到另一个数组中对应的位置上，而收集（gather）则是将一个数组中指定索引位置的元素收集到另一个数组中。这两种操作在科学计算中比较常见，尤其是在图像处理、计算机视觉、深度学习等领域。
阅读更多：Numpy 教程
散列操作
numpy中的散列操作可以通过np.scatter函数来实现，它的格式如下：
numpy.scatter(x, indice, y=None, axis=0)
其中，x是要进行散列操作的目标数组，indice是一个整数型数组，用来指定要将元素散到哪些位置上，y是要散列的元素（如果不指定，则默认元素的值为1），axis指定要沿哪个轴进行散列操作。
下面给出一个例子，假设我们有一个4x3的二维数组，要将其中第1、2列的元素散列到一个2x3的数组中，代码如下：
import numpy as np
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
indice = np.array([[0, 1, 0], [1, 1, 0]])
y = np.array([[0], [1]])
result = np.zeros((2, 3))
np.scatter(result, indice, y=y, axis=1)
print(result)
输出结果为：
array([[1., 5., 3.],
[7., 9., 6.]])
上面的代码中，x是原数组，indice指定了要将第1、2列的元素散到哪些位置上，这里分别是(0,0)、(1,1)、(0,2)和(1,2)，y是要散列的元素，这里是0和1，result是散列结果的目标数组。最后调用np.scatter函数进行散列操作，结果存储在result数组中。
收集操作
numpy中的收集操作可以通过np.gather函数来实现，它的格式如下：
numpy.gather(x, indice, axis=None, out=None)
其中，x是要进行收集操作的原始数组，indice是一个整数型数组，用来指定要收集哪些元素，axis指定要沿哪个轴进行收集操作，out指定结果输出的位置。
下面给出一个例子，假设我们有一个2x3的数组和一个2x2的整数型数组，要从前者中收集第1、3行和第2、3列的元素到一个2x2的数组中，代码如下：
import numpy as np
x = np.array([[1, 2, 3], [4, 5, 6]])
indice = np.array([[0, 2], [1, 2]])
result = np.zeros((2, 2))
np.gather(x, indice, out=result)
print(result)
输出结果为：
array([[1., 3.],
[2., 3.]])
上面的代码中，x是原始数组，indice指定了要收集哪些元素，这里分别是(0,0)、(0,2)、(1,1)和(1,2)，result是收集结果的目标数组。最后调用np.gather函数进行收集操作，结果存储在result数组中。
总结
本文介绍了numpy中的散列和收集操作，分别通过np.scatter和np.gather函数来实现。散列操作可以将一个数组中的元素按照指定的索引散到另一个数组中对应的位置上，而收集操作则是将一个数组中指定索引位置的元素收集到另一个数组中。这两种操作在科学计算中比较常见，特别是在图像处理、计算机视觉、深度学习等领域。在实际使用中，要根据具体的需求选择合适的函数进行操作，并注意数组的形状和维度，避免出现维度不匹配等错误。