Python 切片三维阵列numpy
考虑以下几点:Python 切片三维阵列numpy,python,arrays,numpy,Python,Arrays,Numpy,考虑以下几点: In[1]: pos Out[1]: array([[0, 1, 2, 3], [2, 3, 4, 5], [0, 1, 6, 7], [2, 3, 6, 7], [2, 3, 8, 9], [4, 5, 8, 9], [6, 7, 8, 9]]) In[2]: pos = pos.reshape((7,1,4)) Out[2]: array([[[0, 1, 2, 3]], [[
In[1]: pos
Out[1]:
array([[0, 1, 2, 3],
[2, 3, 4, 5],
[0, 1, 6, 7],
[2, 3, 6, 7],
[2, 3, 8, 9],
[4, 5, 8, 9],
[6, 7, 8, 9]])
In[2]: pos = pos.reshape((7,1,4))
Out[2]:
array([[[0, 1, 2, 3]],
[[2, 3, 4, 5]],
[[0, 1, 6, 7]],
[[2, 3, 6, 7]],
[[2, 3, 8, 9]],
[[4, 5, 8, 9]],
[[6, 7, 8, 9]]])
In[3]: af = np.zeros((7,10,4))
我想按照下面的循环替换af阵列中的特定位置:
for i in range(7):
af[i,pos[i],pos[0]] = 1
有了这些,我想知道是否有任何方法可以在没有循环的情况下进行替换
In [391]: pos = np.array([[0, 1, 2, 3],
...: [2, 3, 4, 5],
...: [0, 1, 6, 7],
...: [2, 3, 6, 7],
...: [2, 3, 8, 9],
...: [4, 5, 8, 9],
...: [6, 7, 8, 9]])
In [392]: af = np.zeros((7,10,4),int)
In [393]: for i in range(7):
...: af[i,pos[i],pos[0]] = 1
...:
pos
重塑有什么不同吗
In [395]: pos1 = pos.reshape((7,1,4))
In [398]: af1 = np.zeros((7,10,4),int)
In [399]: for i in range(7):
...: af1[i,pos1[i],pos1[0]] = 1
...:
...:
In [400]: np.allclose(af,af1)
Out[400]: True
不,所以我们还是算了吧
正如我所评论的那样,x[np.arange(n),idx]
是一种像循环一样分配值的常用方法。索引数组需要相互广播以定义所需的元素
如果我们尝试:
In [403]: af[np.arange(7),pos,pos[0]]
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-403-6488d02c6898> in <module>
----> 1 af[np.arange(7),pos,pos[0]]
IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (7,) (7,4) (4,)
请定义用于计算af的nno通常
af[np.arange(7),pos]=1
可以工作-如果pos
是1d数组。但你有一个二维或三维(重塑后);而且pos[0]
使事情变得复杂。基本上,您需要3个索引一起广播以选择所需的元素。“高级索引”广播是关键概念。
In [404]: af[np.arange(7)[:,None],pos,pos[0]]
Out[404]:
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, 1, 1, 1]])
In [405]: af2 = np.zeros((7,10,4),int)
In [406]: af2[np.arange(7)[:,None], pos,pos[0]] = 1
In [407]: np.allclose(af,af2)
Out[407]: True