Question

Numpy数组允许索引列表，例如

a = np.arange(1000)
l = list([1,44,66,33,90,345])
a[l] = 22

但是，如果我们想要使用多切片索引或索引加切片，则此方法不起作用。

a = np.arange(1000)
l = list([1,44,66,33,90, slice(200,300) , slice(500,600) ])
a[l] = 22

此代码返回错误消息：

IndexError: too many indices

我的问题非常简单：你知道吗？在 numpy 或 scipy 中是否存在使用这种索引的有效方法？

或者使用像这样的索引方法有什么好方法？

不要忘记切片的使用会产生非常快的代码;我的问题是尽可能快地编写代码。

Answer 1

我想到了什么：

a = np.arange(1000)
l = np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))
a[l] = 22

我不确定这是否是最简单的方法，但它确实有用。

编辑：你说这比使用切片慢;但是您无法使用任意值创建切片对象。也许你应该只做几个作业：

%timeit a[np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))] = 22
10000 loops, best of 3: 39.5 us per loop

%timeit a[[1, 44, 66, 33, 90]] = 22; a[200:300] = 22; a[500:600] = 22
100000 loops, best of 3: 18.4 us per loop

Answer 2

您可以使用花式索引来构建索引列表。

l = numpy.array([1,44,66,33,90]+range(200,300)+range(500,600))
a[l] = 22

但正如@Lev指出的那样，这可能不会更快（尽管如果你可以预先计算索引列表，几乎可以肯定。）

但是，每个轴都应用花式索引。所以你可以在一个轴上看上一个索引，然后切割其他轴，如果这有帮助的话：

a = numpy.random.randn(4, 5, 6)
l = numpy.array([1, 2])
a[l, slice(None), slice(2, 4)] = 10

numpy数组的列表索引中的多个切片

2 个答案: