Python 将操作应用于矩阵的行（某些行除外）

我有一个

numpy

矩阵

M

，我需要对矩阵的所有行应用一些操作，除了确定的行

例如，假设我有行

[3,5]

，其元素应该避免像

M[：，8]=4这样的操作。所以我想把第8列的所有行都设置为4，但我想避免对第3行和第5行这样做。如何在
numpy
中执行此操作

编辑：基本上，我需要这样做，以避免在对行的元素和进行规范化时被零除。有些行都是零，所以进行求和（即零）然后除以求和将得到除以零的结果。我要做的是找出哪些行都是零，然后我不想对那些特定的行执行规范化操作。
也许是这样的

>>> import numpy as np
>>> M = np.arange(32).reshape(8, 4)
>>> ignore = {3, 5}
>>> rest = [i for i in xrange(M.shape[0]) if i not in ignore]
>>> M[rest, 3] = 4
>>> M
array([[ 0,  1,  2,  4],
       [ 4,  5,  6,  4],
       [ 8,  9, 10,  4],
       [12, 13, 14, 15],
       [16, 17, 18,  4],
       [20, 21, 22, 23],
       [24, 25, 26,  4],
       [28, 29, 30,  4]])

根据您的编辑，为了解决您的特定问题，即您似乎在使用非负条目操纵矩阵，您可以利用以下技巧

import numpy as np
rng = np.random.RandomState(42)
M = rng.randn(10, 10) ** 2
M[[0, 5]] = 0.  # set 2 lines to 0

M_norm = M / (M.sum(axis=1) + 1e-18)[:, np.newaxis]

显然，这个结果并不精确，但足够精确，不会注意到差异。为了让它稍微好一点，你也可以写

M_norm = M / np.maximum(M.sum(axis=1), 1e-18)[:, np.newaxis]

如果这仍然不够，并且您希望它是准确的，对于一般情况（允许负性），您可以编写

row_sums = M.sum(axis=1)
row_sums[row_sums == 0] = 1.

M_norm = M / row_sums[:, np.newaxis]  # dividing the zeros by 1 still yields 0

为了增加一些健壮性，您还可以

tolerance = 1e-6

row_sums = M.sum(axis=1)
OK_rows = np.abs(row_sums) > tolerance
M_norm = np.zeros_like(M)
M_norm[OK_rows] = M[OK_rows] / row_sums[OK_rows][:, np.newaxis]

一定有更有效的方法@AlexTwain根据您的编辑，关于
M[np.其中（M[：，8]！=0）[0]，8]=4
？索引对我来说似乎相当有效…，在某些情况下，二进制掩码可能更好。当然，
rest
的构造可以做得更好，但这并不需要太多时间。另外，
rest
应该是一个数组，以避免一些严重的笑话，幸运的是，在第一个轴中进行索引时不会发生这些笑话，但在其他轴上可能会发生。否则，这个解决方案对我来说几乎没问题。你的应用程序仍然是谷歌矩阵吗？在这种情况下，你应该指出你的矩阵是巨大而稀疏的，因为这很重要。使用稀疏矩阵你可能需要调整一些东西。