Question

我将Matlab转换为Python代码的问题，特别是涉及矩阵/数组时。

在这里，我有一个名为output的2D t_ind数组，我正在计算高于变量{{1}的元素的行主索引vmax的向量}：

t_ind = np.flatnonzero(output > vmax)

现在我想使用这些索引来创建基于它的矩阵。在MATLAB中，我可以直接这样做：

output(t_ind) = 2*vmax - output(t_ind);

但是在Python中这不起作用。具体来说，我得到一个IndexError声明我超出了界限。

我试图弄明白，但我能想到的最优雅的解决方案是使用np.hstack()将数组转换为矢量，比较索引，将它们收集到另一个变量中并返回。

你能否对此有所了解？

Answer 1

对于1D阵列，使用np.flatnonzero是正确的。具体而言，等效的numpy语法为：

output[t_ind] = 2*vmax - output[t_ind]

此外，您可以使用布尔运算符实现相同的功能。 MATLAB也支持这种方式，因此如果你想在两者之间进行转换，布尔（或MATLAB世界中的logical）是更好的方法：

output[output > vmax] = 2*vmax - output[output > vmax]

对于2D情况，您不使用np.flatnonzero。请改用np.where：

t_ind = np.where(output > v_max)
output[t_ind] = 2*vmax - output[t_ind]

t_ind将返回numpy个数组的元组，其中第一个元素为您提供行位置，第二个元素为您提供满足放入{的布尔条件的那些值的列位置{1}}。

作为一个小注释，布尔索引的情况仍然适用于您想要的矩阵的任何维度。但是，np.where会将满足输入条件的那些点的行主索引计算为np.flatnonzero。您收到错误的原因是您尝试使用行主索引来访问2D数组。虽然Python支持线性索引，但np.flatnonzero不支持 - 您必须独立访问每个维度才能执行此索引，这就是将numpy指定为{{1}的输入索引会做的。

Answer 2

Numpy支持布尔索引和多维索引，所以你不需要跳过所有这些箍，这里有两种方法可以得到你想要的东西：

# The setup
import numpy as np
a = np.random.random((3, 4))
vmax = 1.2
output = np.zeros(a.shape, a.dtype)

# Method one, use a boolean array to index
mask = a > .5
output[mask] = 2 * vmax - a[mask]

# Method tow, use indices to index.
t_ind = np.nonzero(a > .5)
output[t_ind] = 2 * vmax - a[t_ind]

获取索引并创建基于Python的numpy数组

2 个答案: