Question

我有一个二维numpy数组：

A = np.zeros(16).reshape(4,4)

我希望(1, 1), (1,3), (3,1)和(3,3)单元格的值为1.

A[[1,3], [1:3]] = 1

仅将{1}分配给(1,1)和(3,3)。

A[[1,3], :][:, [1, 3]] = 1

不起作用，因为它使数据的副本不是视图。什么是正确的方法？

Answer 1

使用步骤= 2的切片：

A[1::2,1::2] = 1

或显式传递所有索引：

A[[1,1,3,3],[1,3,1,3]] = 1

Answer 2

通常，当您使用数组以这种方式索引另一个数组时，numpy期望每个数组R，C等具有相同的形状。例如，假设您要从此数组中提取非零值：

>>> a
array([[1, 3, 0, 0],
       [0, 0, 0, 0],
       [2, 4, 0, 0],
       [0, 0, 0, 0]])

您将创建一个行索引数组R：

>>> R
array([[0, 2],
       [0, 2]])

列索引数组C：

>>> C
array([[0, 0],
       [1, 1]])

并像这样传递给他们：

>>> a[R, C]
array([[1, 2],
       [3, 4]])

请注意，这些可以是您喜欢的任何形状 - 输出将采用相同的形状：

>>> RR
array([0, 2, 0, 2])
>>> CC
array([0, 0, 1, 1])
>>> a[RR, CC]
array([1, 2, 3, 4])

但是，如果你的索引数组中有重复，那么你可以通过使用广播来省去一些麻烦。唯一的问题是结果数组必须广播能。这意味着你需要明确地给它们额外的尺寸。我将使用切片语法来保留额外的维度。

>>> r = R[0:1,:]
>>> c = C[:,0:1]
>>> r
array([[0, 2]])
>>> c
array([[0],
       [1]])
>>> a[r, c]
array([[1, 2],
       [3, 4]])

如果您没有明确地给予他们额外的维度，numpy会尽力理解您已经过去的内容，但它不会像预期的那样始终如一地工作。用0:1替换0切片会删除额外的维度：

>>> rr = r[0,:]
>>> cc = c[:,0]
>>> rr
array([0, 2])
>>> cc
array([0, 1])
>>> a[rr, c]
array([[1, 2],
       [3, 4]])
>>> a[r, cc]
array([[1, 4]])
>>> a[rr, cc]
array([1, 4])

第一个（a[rr, c]）有效，因为numpy可以从c的形状告诉它应该广播。但其他两个都不明确，所以numpy假设你并不意味着他们被广播。

但请注意，numpy也提供了使平面阵列可播放的快捷方式。这可以派上用场！

>>> a[numpy.ix_(rr, cc)]
array([[1, 3],
       [2, 4]])

Answer 3

-fno-objc-arc

这里发生的是行索引[[1]，[3]]具有形状（2,1），因此它们可以针对具有形状（1的列索引[[1,3]]进行广播，2），得到行/列索引的形状（2,2）数组。因此，我们可以将上述内容视为简短形式：

>>> A = np.zeros(16).reshape(4,4)
>>> A[[[1],[3]], [[1, 3]]] = 1
>>> A
array([[ 0.,  0.,  0.,  0.],
   [ 0.,  1.,  0.,  1.],
   [ 0.,  0.,  0.,  0.],
   [ 0.,  1.,  0.,  1.]])

产生相同的结果。

为numpy数组赋值的花式索引

3 个答案: