在Python中使用切片更改多个Numpy数组元素
假设我有在Python中使用切片更改多个Numpy数组元素,python,arrays,numpy,slice,Python,Arrays,Numpy,Slice,假设我有numpy数组arr\u 1=np.arange(10)返回: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 如何使用切片将多个元素更改为特定值 例如:将每五个元素出现的第0个、第一个和第二个元素(从第一个元素开始)更改为100。我想要这个: array([0, 100, 100, 100, 4, 5, 100, 100, 100, 9]) 我尝试了arr_1[1::[5,6,7]]=100,但没有成功。这里有一种方法- 使用原始样本运行样本- In [
numpy
数组arr\u 1=np.arange(10)
返回:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
如何使用切片将多个元素更改为特定值
例如:将每五个元素出现的第0个、第一个和第二个元素(从第一个元素开始)更改为100。我想要这个:
array([0, 100, 100, 100, 4, 5, 100, 100, 100, 9])
我尝试了arr_1[1::[5,6,7]]=100
,但没有成功。这里有一种方法-
使用原始样本运行样本-
In [849]: a = np.arange(10) # Input array
...: idx = np.array([0,1,2]) # Indices to be set
...: offset = 1 # Offset
...:
...: a[np.in1d(np.mod(np.arange(a.size),5) , idx+offset)] = 100
...:
In [850]: a
Out[850]: array([ 0, 100, 100, 100, 4, 5, 100, 100, 100, 9])
使用非顺序索引运行示例
In [851]: a = np.arange(11) # Input array
...: idx = np.array([0,2,3]) # Indices to be set
...: offset = 1 # Offset
...:
In [852]: a[np.in1d(np.mod(np.arange(a.size),5) , idx+offset)] = 100
In [853]: a
Out[853]: array([ 0, 100, 2, 100, 100, 5, 100, 7, 100, 100, 10])
以下是基于您所做工作的另一个解决方案:
arr_1 = np.arange(10)
arr_1[1::5] = 100
arr_1[2::5] = 100
arr_1[3::5] = 100
它返回:
array([ 0, 100, 100, 100, 4, 5, 100, 100, 100, 9])
您只需要将索引列表包装在np.array(list)中。你几乎是对的:
In [2]: arr_1 = np.arange(10)
In [3]: arr_1[np.array([0,1,2,5,6,7])] = 100
In [4]: arr_1
Out[4]: array([100, 100, 100, 3, 4, 100, 100, 100, 8, 9])
根据您的要求,我使用手工编码的索引值。您可以使用一些您喜欢的技术自动获取索引,如Divakar所示。如果重复偏移量除以数组长度:
a.reshape((-1, 5))[:, 1:4] = 100
一般情况下需要两行:
a[: len(a) // 5 * 5].reshape((-1, 5))[:, 1:4] = 100
a[len(a) // 5 * 5 :][1:4] = 100
工作原理:按所述方式进行重塑可堆叠阵列的连续拉伸,从而使目标子拉伸对齐,因此可使用标准二维索引一次性寻址:
>>> a = np.arange(15)
>>> a.reshape((-1, 5))
array([[ 0, 1x, 2x, 3x, 4],
[ 5, 6x, 7x, 8x, 9],
[10, 11x, 12x, 13x, 14]])
很接近了--只需将索引列表包装到numpy数组构造函数中即可。有关详细信息,请参见下文。是的,切片参数必须是数字,而不是列表。对于范围(3)中的i:arr_1[i::5]=100,切片参数必须是循环形式的。如果循环的数量足够小于arr_1
的长度,则应比“更高级”的解决方案快。
>>> a = np.arange(15)
>>> a.reshape((-1, 5))
array([[ 0, 1x, 2x, 3x, 4],
[ 5, 6x, 7x, 8x, 9],
[10, 11x, 12x, 13x, 14]])