Python：多维数组屏蔽

以下简单代码段在Matlab中的等效Python实现是什么

Matlab:

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

例如，对于

B[i]=42

，它可以找到要设置的列

5

的位置

2

。 在Python中，它会导致一个错误：越界逻辑。然而，要将上述Matlab代码翻译成Python，我们正在寻找Python的方法。 请考虑更高维度的问题，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，将

42

定位到

divmod（42，m=10）[：：-1]>>（2,4）

。因此，我们将有一个索引的

nx2>>ii，jj

向量，它可以很容易地用于索引

a

。 我们认为这可能是一种更好的方法，在Python

中对更高维度也是有效的。您可以在数组（a）上使用

.ravel（）

，然后对其进行索引

或者，由于您知道

A.shape

，因此可以在索引之前在另一个数组（B）上使用

np.unlavel\u index

例1：

>>> 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]])

例2：

>>> 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]])

---

稍后发现：您可以使用

numpy.put

>>> 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]])

---

“在Python中，它会导致一个错误：超出界限，这是合乎逻辑的”。。。这是什么原因？你能展示一下你在Python中尝试过什么吗？为什么你要用一个2D数组作为另一个2D数组的索引？@LaurenceGonsalves正如问题中提到的，a.shape=（10,10），所以用[42]进行索引是不合法的！这不是Matlab代码的情况，因为它会自动将42与第2行和第4列匹配。@FlopCoder，因为我正在翻译一个已经编写好的代码。我喜欢这里的Python逻辑，它

true

会导致错误。谢谢您的示例。我想请你用一个例子来演示你的解决方案，…哇！你在我发布之前就做了。有了这些例子，这个想法现在很清楚了。这两种方法都很有用。