更新numpy矩阵的单个元素的Python方法？

假设我有一个函数调用

f（m1）

，其中

m1

是一个numpy矩阵。现在，我想在一个矩阵上调用

f

，这个矩阵与

m1

几乎相同：

m2 = m1.copy()
m2[ 2, 7 ] = 43 # or m2[ 2, 7 ] += 43
f(m2)

---

是否有一个优雅的

f（…）

一行程序可以做到这一点？

在python中，每个赋值都是一个语句而不是一个表达式，因此您不能-

f(m2[2,7] = 43)

或

如果（a=1+2）

我相信你能做到

f( modify_matrix(m1) )

并定义了修改m1矩阵的单独方法

def modify_matrix(m1):
     m1[2,7] = 2
     return m1

---

但是，如果您只需再添加一行修改矩阵，则上述选项会更加复杂。

在python中，每个赋值都是语句而不是表达式，因此您不能-

f(m2[2,7] = 43)

或

如果（a=1+2）

我相信你能做到

f( modify_matrix(m1) )

并定义了修改m1矩阵的单独方法

def modify_matrix(m1):
     m1[2,7] = 2
     return m1

---

但是，如果您只需再添加一行修改矩阵，则上述选项更为复杂。

出于教学的考虑，下面是一种功能性方法

np。其中

实际上正是您想要的，但棘手的是它接受布尔条件，而不是索引：

f(np.where(condition, 43, m1))

它将

43

发送到

f

任何满足

条件的地方，在其他地方它只发送
m1
，因此如果我们知道您选择要更改的元素的标准，这可能会更简单。因此，最棘手的部分是创建布尔数组，这有点浪费

np.where(np.all(np.indices(m1.shape) == np.array([2, 7])[:, None, None], 0), 43, m1)

或相当于：

np.where(np.all(np.rollaxis(np.indices(m1.shape),0,3) == np.array([2, 7]), -1), 43, m1)

我可以发誓有一个等价的函数，它采用索引而不是掩码，但不幸的是，采用索引的类似函数（
np.put
）似乎在功能上修改了数组，而不是返回新的数组
np.choose
也可以工作，但在创建“choose”数组（与条件掩码数组相反）时存在相同的问题

在行动中：

In [66]: m1 = np.zeros((4, 9))

In [67]: np.where(np.all(np.indices(m1.shape) == np.array([2, 7])[:,None, None], 0), 43, m1)
Out[67]: 
array([[  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,  43.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.]])

In [68]: np.where(np.all(np.rollaxis(np.indices(m1.shape),0,3) == np.array([2, 7]), -1), 43, m1)
Out[68]: 
array([[  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,  43.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.]])

从教育学的角度来看，这里有一个实用的方法
np。其中
实际上正是您想要的，但棘手的是它接受布尔条件，而不是索引：

f(np.where(condition, 43, m1))

它将
43
发送到
f
任何满足
条件的地方，在其他地方它只发送
m1
，因此如果我们知道您选择要更改的元素的标准，这可能会更简单。因此，最棘手的部分是创建布尔数组，这有点浪费

np.where(np.all(np.indices(m1.shape) == np.array([2, 7])[:, None, None], 0), 43, m1)

或相当于：

np.where(np.all(np.rollaxis(np.indices(m1.shape),0,3) == np.array([2, 7]), -1), 43, m1)

我可以发誓有一个等价的函数，它采用索引而不是掩码，但不幸的是，采用索引的类似函数（
np.put
）似乎在功能上修改了数组，而不是返回新的数组
np.choose
也可以工作，但在创建“choose”数组（与条件掩码数组相反）时存在相同的问题

在行动中：

In [66]: m1 = np.zeros((4, 9))

In [67]: np.where(np.all(np.indices(m1.shape) == np.array([2, 7])[:,None, None], 0), 43, m1)
Out[67]: 
array([[  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,  43.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.]])

In [68]: np.where(np.all(np.rollaxis(np.indices(m1.shape),0,3) == np.array([2, 7]), -1), 43, m1)
Out[68]: 
array([[  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,  43.,   0.],
       [  0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.]])

这正是做这件事的方法。但是，如果您的代码的组织方式使您可以同时生成
m1
和
m2
，那么可能会有一种更优雅、更高效的方法来实现这一点。这正是实现这一点的方法。但是，如果代码的组织方式使您可以同时生成
m1
和
m2
，那么可能会有一种更优雅、更高效的方法。