Question

我有一些数组A和2个索引ind1和ind2列表，每个轴一个。现在，这给了我一个数组，我需要为其分配一些新值。问题是，我的方法不起作用。

让我举一个例子。首先，我创建一个数组，并尝试访问一些切片：

>>> A=numpy.arange(9).reshape(3,3)
>>> ind1, ind2 = [0,1], [1,2]
>>> A
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> A[ind1,ind2]
array([1, 5])

现在这只给了我2个值，而不是我想要的2乘2矩阵。所以我尝试了这个：

>>> A[ind1,:][:,ind2]
array([[1, 2],
       [4, 5]])

好的，更好。现在让我们说这些值应为0：

>>> A[ind1,:][:,ind2]=0
>>> A
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

如果我尝试像这样分配，则数组A不会更新，因为双重索引（我只分配给A的某些副本，这将被丢弃）。有没有办法通过索引一次索引子数组？

注意：通过选择适当的范围（例如A[:2,1:3]）进行索引可以适用于此示例，但我需要适用于任意索引列表的内容。

Answer 1

使用meshgrid创建二维索引怎么样？如下

>>> import numpy as np
>>> A = np.arange(9).reshape(3,3)
>>> ind1, ind2 = [0,1],[1,2]
>>> ind12 = np.meshgrid(ind1,ind2, indexing='ij')
>>> #     = np.ix_(ind1,ind2) as pointed out by @Divakar
>>> A[ind12]
[[1 2]
 [4 5]]

最后

>>> A[ind12] = 0
>>> A
[[0 0 0]
 [3 0 0]
 [6 7 8]]

适用于任意索引列表。

>>> ind1, ind2 = [0,2],[0,2]
>>> ind12 = np.meshgrid(ind1,ind2, indexing='ij')
>>> A[ind12] = 100
[[100   1 100]
 [  3   4   5]
 [100   7 100]]

正如@hpaulj在评论中指出的那样，请注意np.ix_ (ind1,ind2)实际上等同于np.meshgrid的使用，

>>> np.meshgrid(ind1,ind2, indexing='ij', sparse=True)

哪个先验更有效率。当参数np.ix_和indexing分别设置为sparse和'ij'时，这是True的优势。< / p>

按列表索引子数组

1 个答案: