Question

Matlab中以下简单代码的等效pythonic实现。

Matlab的：


B = 2D array of integers as indices [1...100]
A = 2D array of numbers: [10x10]
A[B] = 0

适用于例如B[i]=42，它会找到要设置的列2的位置5。在 Python 中，它会导致 错误：超出范围 ，即逻辑。然而，为了将上述Matlab代码翻译成Python，我们正在寻找pythonic方法。还请考虑更高维度的问题，例如：


B = 2D array of integers as indices [1...3000]
C = 3D array of numbers: [10x10x30]
C[B] = 0

我们考虑的一种方法是将索引数组元素改为i,j而不是绝对位置。也就是说，42位置为divmod(42,m=10)[::-1] >>> (2,4)。因此，我们将有一个nx2 >>> ii,jj个索引向量，可以轻松地为A编制索引。我们认为这可能是一种更好的方法，对于 Python 中的更高维度也是有效的。

Answer 1

您可以在对数组（A）进行索引之前使用.ravel()，然后在.reshape()之后使用A.shape。

或者，由于您知道np.unravel_index，因此您可以在编制索引之前在另一个数组（B）上使用>>> import numpy as np >>> A = np.ones((5,5), dtype=int) >>> B = [1, 3, 7, 23] >>> 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]]) >>> A_ = A.ravel() >>> A_[B] = 0 >>> A_.reshape(A.shape) array([[1, 0, 1, 0, 1], [1, 1, 0, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 0, 1]])。

示例1：

>>> b_row, b_col = np.vstack([np.unravel_index(b, A.shape) for b in B]).T
>>> A[b_row, b_col] = 0
>>> A
array([[1, 0, 1, 0, 1],
       [1, 1, 0, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 0, 1]])

示例2：

numpy.put

稍后发现：您可以使用>>> import numpy as np >>> A = np.ones((5,5), dtype=int) >>> B = [1, 3, 7, 23] >>> A.put(B, [0]*len(B)) >>> A array([[1, 0, 1, 0, 1], [1, 1, 0, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 0, 1]])

{{1}}

Python：多维数组掩码

1 个答案: