Python 基于不同numpy数组中的索引向numpy矩阵添加标量

我很抱歉，如果这个问题没有很好的框架。所以我宁愿用一个例子来解释。 我有一个numpy矩阵：

a = np.array([[0.5, 0.8, 0.1], [0.6, 0.9, 0.3], [0.7, 0.4, 0.8], [0.8, 0.7, 0.6]])

和另一个numpy阵列，如图所示：

b = np.array([1, 0, 2, 2])

在给定的条件下，

b

中的值将在

范围内（a.shape[1]）

并且

b.shape[1]==a.shape[0]

。这就是我需要执行的操作

对于a的每个索引

i

，以及b的相应索引

i

，我需要从

a[i]

的索引

j

中减去1，其中

j==b[i]

所以在我的例子中，

a[0]==0.50.80.1]

和

b[0]==1

。因此，我需要从

a[0][b[0]]

中减去

1

，这样

a[0]=[0.5，-0.2，0.1]

。必须对

a

的所有行执行此操作。有没有直接的解决方案，而不必逐一遍历所有行或列

谢谢。

请使用。请参阅下面的介绍：

import numpy as np

a = np.array([[0.5, 0.8, 0.1], [0.6, 0.9, 0.3], [0.7, 0.4, 0.8], [0.8, 0.7, 0.6]])
b = np.array([1, 0, 2, 2])

a[np.arange(a.shape[0]), b] -= 1

print(a)

输出

[[ 0.5 -0.2  0.1]
 [-0.4  0.9  0.3]
 [ 0.7  0.4 -0.2]
 [ 0.8  0.7 -0.4]]

[[ 0.5 -0.2  0.1]
 [-0.4  0.9  0.3]
 [ 0.7  0.4 -0.2]
 [ 0.8  0.7 -0.4]]

作为替代用途：

输出

[[ 0.5 -0.2  0.1]
 [-0.4  0.9  0.3]
 [ 0.7  0.4 -0.2]
 [ 0.8  0.7 -0.4]]

[[ 0.5 -0.2  0.1]
 [-0.4  0.9  0.3]
 [ 0.7  0.4 -0.2]
 [ 0.8  0.7 -0.4]]

其主要思想是：

np.arange(a.shape[0])  # shape[0] is equals to the numbers of rows

生成行的索引：

[0 1 2 3]

---

非常感谢。成功了！