Question

有时仅为一个索引分配数组很有用。在Matlab中，这很简单：

M = zeros(4);
M(1:5:end) = 1
M =

   1   0   0   0
   0   1   0   0
   0   0   1   0
   0   0   0   1

Numpy有没有办法做到这一点？首先，我想要展平数组，但该操作不会保留引用，因为它会复制。我尝试使用ix_但我无法用相对简单的语法来完成它。

Answer 1

您可以尝试numpy.ndarray.flat，它代表一个可用于读取和写入数组的迭代器。

>>> M = zeros((4,4))
>>> M.flat[::5] = 1
>>> print(M)
array([[ 1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  1.]])

请注意，在numpy中，切片语法为[start：stop_exclusive：step]，而不是Matlab（start：step：stop_inclusive）。

根据sebergs评论，指出Matlab将矩阵存储在专业列中可能很重要，而numpy数组默认为行专业。

>>> M = zeros((4,4))
>>> M.flat[:4] = 1
>>> print(M)
array([[ 1.,  1.,  1.,  1.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

要在展平数组上获得类似Matlab的索引，您需要展平转置数组：

>>> M = zeros((4,4))
>>> M.T.flat[:4] = 1
>>> print(M)
array([[ 1.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.]])

Answer 2

您可以使用列表索引执行此操作：

M = np.zeros((4,4))
M[range(4), range(4)] = 1
print M
# [[ 1.  0.  0.  0.]
#  [ 0.  1.  0.  0.]
#  [ 0.  0.  1.  0.]
#  [ 0.  0.  0.  1.]]

在这种情况下，您还可以使用np.identity(4)

Answer 3

使用unravel_index

的另一种方法

>>> M = zeros((4,4));
>>> M[unravel_index(arange(0,4*4,5),(4,4))]= 1
>>> M
array([[ 1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  1.]])

Numpy：分配和索引为Matlab

3 个答案: