我正在使用numpy 1.9 来处理一组数组。假设我有类似的东西，我有两个2d数组A和B以及1-d数组C，看起来像这样：
>>> A
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
>>> B
array([[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.]])
>>> C
array([1, 3, 2, 4, 0])
我的目标是根据C在A中插入所有元素。更具体地说，如果位置0处的C具有1，则应在A [0,1]之后插入B [0,1]。
这是预期的结果：
array([[ 1, 1, -1, 1, 1, 1],
[ 1, 1, 1, 1, -1, 1],
[ 1, 1, 1, -1, 1, 1],
[ 1, 1, 1, 1, 1, -1],
[ 1, -1, 1, 1, 1, 1]])
我试图像这样实现它，但速度不是很快：
for i in xrange(size(C, 0)):
j = C[i]
A[i, :] = numpy.insert(A[i], j, B[i, j])
有一种方法可以让它更快吗？ （使用单个numpy操作，如面具或类似的东西）
答案 0 :(得分：5)
一个令人讨厌的单行怎么样？
首先，数据;数组与你的形状具有相同的形状，但我使用了整数来使示例更容易阅读。
In [81]: A
Out[81]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
In [82]: B
Out[82]:
array([[ 0, 100, 200, 300, 400],
[ 500, 600, 700, 800, 900],
[1000, 1100, 1200, 1300, 1400],
[1500, 1600, 1700, 1800, 1900],
[2000, 2100, 2200, 2300, 2400]])
In [83]: C
Out[83]: array([1, 3, 2, 4, 0])
这是令人讨厌的单行：
In [84]: np.insert(A.ravel(), np.ravel_multi_index((range(A.shape[0]), C), A.shape) + 1, B[range(B.shape[0]), C]).reshape(A.shape[0], A.shape[1]+1)
Out[84]:
array([[ 0, 1, 100, 2, 3, 4],
[ 5, 6, 7, 8, 800, 9],
[ 10, 11, 12, 1200, 13, 14],
[ 15, 16, 17, 18, 19, 1900],
[ 20, 2000, 21, 22, 23, 24]])
以下是分解版本：
A.ravel()将A展平为一维数组，我称之为F：
In [87]: F = A.ravel()
In [88]: F
Out[88]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23, 24])
（编辑：事实证明，第一步 - 展平A - 没有必要。正如@hpaulj在答案中指出的那样，np.insert默认会使数组变平。）
np.ravel_multi_index用于将所需的2-d位置转换为平坦数组中的索引。最后的+ 1是必要的，因为你想在 {/ 1}}中给出的索引之后插入元素：
C In [89]: insert_indices = np.ravel_multi_index((range(A.shape[0]), C), A.shape) + 1
In [90]: insert_indices
Out[90]: array([ 2, 9, 13, 20, 21])
从B[range(B.shape[0]), C]中提取所需的值：
B In [91]: values = B[range(B.shape[0]), C]
In [92]: values
Out[92]: array([ 100, 800, 1200, 1900, 2000])
执行实际插入并创建一个新数组：
np.insert现在只需重塑一下即可获得最终结果：
In [93]: np.insert(F, insert_indices, values)
Out[93]:
array([ 0, 1, 100, 2, 3, 4, 5, 6, 7, 8, 800,
9, 10, 11, 12, 1200, 13, 14, 15, 16, 17, 18,
19, 1900, 20, 2000, 21, 22, 23, 24])
答案 1 :(得分：3)
首先，一些稍微清晰易读的数组：
>>> A
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
>>> B
array([[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.]])
>>> C
array([1, 3, 2, 4, 0])
接下来，一些面具恶作剧：
>>> ge_mask = C.reshape(-1, 1) >= numpy.arange(5)
>>> eq_mask = C.reshape(-1, 1) == numpy.arange(5)
>>> lt_mask = C.reshape(-1, 1) < numpy.arange(5)
政变：
>>> result = numpy.zeros((A.shape[0], A.shape[1] + 1))
>>> result[:,0:5][ge_mask] = A[ge_mask]
>>> result[:,1:6][eq_mask] = B[eq_mask]
>>> result[:,1:6][lt_mask] = A[lt_mask]
>>> result
array([[ 1., 1., -1., 1., 1., 1.],
[ 1., 1., 1., 1., -1., 1.],
[ 1., 1., 1., -1., 1., 1.],
[ 1., 1., 1., 1., 1., -1.],
[ 1., -1., 1., 1., 1., 1.]])
Warren's公布的答案似乎更好。关于速度不确定。 （我确实认为以上内容更为清晰！）
答案 2 :(得分：3)
我相信这是经过纠正的迭代：
A=np.arange(25).reshape(5,5)
B=np.arange(25).reshape(5,5)*-1
C=np.array([1,3,2,4,0])
A2=np.zeros((5,6),dtype=int)
for i,c in enumerate(C):
A2[i,:]=np.insert(A[i],c+1,B[i,c])
array([[ 0, 1, -1, 2, 3, 4],
[ 5, 6, 7, 8, -8, 9],
[ 10, 11, 12, -12, 13, 14],
[ 15, 16, 17, 18, 19, -19],
[ 20, -20, 21, 22, 23, 24]])
这可以变为单线：
np.array([np.insert(a, c+1, b[c]) for a,b,c in zip(A,B,C)])
Warren的回答中的等价术语是：
c <=> c = np.ravel_multi_index((range(5), C), (5,5))
b <=> B.ravel()[c]
np.insert(A, c+1, B.ravel()[c]).reshape(5,6)
np.insert ravels A作为默认值。对于这个小例子，这个ravel_multi_index比行迭代快2倍。