Question

好吧已经很晚了，我无法解决最简单的问题了：

我有一个带有“零列”的矩阵，这些列应该替换为

具有相同列数的另一个数组（相同列索引）中的值：

a=np.array([[2,0,0,0],[1,0,2,0],[1,0,5,0]])
b=np.array([0.3,0.4,0.6,0.8])

结果应为：

c=np.array([[2,0.4,0,0.8],[1,0.4,2,0.8],[1,0.4,5,0.8]])

我试过了：

#searches for an entire zero-column indexes
wildcard_cols = np.nonzero(a.sum(axis=0) == 0)

我得到：

out: wildcard_cols=array([[1, 3]], dtype=int64)# that is right

然后我想从这个输出中获取一个列表来迭代列表中的项目

wildcard_cols=np.asarray(wildcard_cols)
wildcard_cols=wildcard_cols.tolist()

但是我在列表中得到一个列表（？） out = [[1,3]]

所以我不能这样做：

for item in wildcard_cols:
    a[:,item]=b[item]
    #this does not work because i want to change every value in the column

我可能会想复杂，但也许有人找到了快速的解决方案......

Answer 1

IIUC，怎么样：

>>> a = np.array([[2,0,0,0],[1,0,2,0],[1,0,5,0]])*1.0
>>> b = np.array([0.3,0.4,0.6,0.8])
>>> wild = (a == 0).all(axis=0)
>>> c = a.copy()
>>> c[:,wild] = b[wild]
>>> c
array([[ 2. ,  0.4,  0. ,  0.8],
       [ 1. ,  0.4,  2. ,  0.8],
       [ 1. ,  0.4,  5. ,  0.8]])

Answer 2

稍短一点，只要它们是可广播的

，就可以使用更高维度的数组

np.where((a == 0.).all(axis=0), b, a)

不幸的是，从numy 1.8开始，它比DSM提出的直接索引更慢，更常见的变体是：

wild = (a == 0).all(axis=0)
c = a.copy()
c[(slice(None),) + np.nonzero(wild)] = b[wild]

将“零列”替换为numpy数组中的值

2 个答案: