Question

我有一个numpy数组（nxn矩阵），我只想修改总和为0的列。我想为所有这些列分配相同的值。为此，我首先获取了总和为0的列的索引：

sum_lines = np.sum(mat_trans, axis = 0)
indices = np.where(sum_lines == 0)[0]

然后我对这些索引进行了循环：

for i in indices:
    mat_trans[:, i] = rank_vect

以便这些列中的每一个现在都具有rank_vect列向量的值。

我想知道是否有一种方法可以做到不循环，看起来像这样：

mat_trans[:, (np.where(sum_lines == 0)[0]))] = rank_vect

谢谢！

Answer 1

In [114]: arr = np.array([[0,1,2,3],[1,0,2,-3],[-1,2,0,0]])

In [115]: sumlines = np.sum(arr, axis=0)
In [116]: sumlines
Out[116]: array([0, 3, 4, 0])

In [117]: idx = np.where(sumlines==0)[0]
In [118]: idx
Out[118]: array([0, 3])

所以我们要修改的列是：

In [119]: arr[:,idx]
Out[119]: 
array([[ 0,  3],
       [ 1, -3],
       [-1,  0]])

In [120]: rv = np.array([10,11,12])

如果rv为1d，则会出现形状错误：

In [121]: arr[:,idx] = rv
ValueError: shape mismatch: value array of shape (3,) could not be broadcast to indexing result of shape (2,3)

但是，如果它是列向量（形状（3,1）），则可以将其广播到（3,2）目标：

In [122]: arr[:,idx] = rv[:,None]

In [123]: arr
Out[123]: 
array([[10,  1,  2, 10],
       [11,  0,  2, 11],
       [12,  2,  0, 12]])

Answer 2

这应该可以解决问题

error: function(){
  ...
}, /* Missing here */
success: function(){
  ...
}

请进行测试，让我知道它是否满足您的要求。它只是反复堆叠rank_vect以匹配RHS上LHS的形状。

我相信这等同于

mat_trans[:,indices] = np.stack((rank_vect,)*indices.size,-1)

我想知道速度差

修改数组numpy

2 个答案: