Question

我想采用矩阵并修改它的块。例如，对于4x4矩阵，{1,2}，{1,2}块位于左上象限（下面的[0,1; 4,5]）。如果我们重新排列矩阵，那么{4,1}，{4,1}块是左上象限，因此第4行/列位于第1位，第1列位于第2位。

让我们制作一个4x4矩阵：

a = np.arange(16).reshape(4, 4)
print(a)

## [[ 0  1  2  3]
##  [ 4  5  6  7]
##  [ 8  9 10 11]
##  [12 13 14 15]]

现在，一种选择块的方法，我指定预先想要的行/列，如下所示：

C=[3,0]
a[[[C[0],C[0]],[C[1],C[1]]],[[C[0],C[1]],[C[0],C[1]]]]

## array([[15, 12],
##        [ 3,  0]])

这是另一种方式：

a[C,:][:,C]

## array([[15, 12],
##        [ 3,  0]])

然而，如果我有一个2x2阵列，请将其命名为b，设置

a[C,:][:,C]=b

不起作用，但

a[[[C[0],C[0]],[C[1],C[1]]],[[C[0],C[1]],[C[0],C[1]]]]=b

确实

这是为什么？这是第二种最有效的方式吗？谢谢！

Answer 1

numpy docs的相关部分是 http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#purely-integer-array-indexing 高级数组索引。

将该示例改编为您的案例：

In [213]: rows=np.array([[C[0],C[0]],[C[1],C[1]]])
In [214]: cols=np.array([[C[0],C[1]],[C[0],C[1]]])

In [215]: rows
array([[3, 3],
       [0, 0]])

In [216]: cols
array([[3, 0],
       [3, 0]])

In [217]: a[rows,cols]
array([[15, 12],
       [ 3,  0]])

由于广播，您不需要重复重复索引，因此：

a[[[3],[0]],[3,0]]

做得很好。 np.ix_是一个方便的功能，只产生这样一对：

np.ix_(C,C) 
(array([[3],
        [0]]), 
 array([[3, 0]]))

因此简短的回答是：

a[np.ix_(C,C)]

相关函数是meshgrid，它构造完整的索引数组：

a[np.meshgrid(C,C,indexing='ij')]

np.meshgrid(C,C,indexing='ij')与您的[rows, cols]相同。有关'ij'参数的重要性，请参阅函数doc。

np.meshgrid(C,C,indexing='ij',sparse=True)生成与np.ix_相同的数组对。

我认为计算速度存在严重差异。显然有些人需要更少的打字。

a[:,C][C,:]适用于查看值，但不适用于修改它们。详细信息与制作views和制作副本的操作有关。简单的答案是，如果要修改值，只使用一层索引。

索引文档：

因此，x [ind1，...，ind2，：]在基本切片下就像x [ind1] [...，ind2，：]一样。

因此a[1][3] += 7有效。但该文件也警告

警告对于高级索引，上述情况并非如此。

在Python中修改块矩阵

1 个答案: