Python 避免np.where赋值给numpy数组

我希望以下内容（或类似内容）能够正常工作（不使用

np.where

）

也就是说，我希望

k

是

ind

值上的一个额外的布尔掩码，该值为true

我知道我可以使用

np.where（ind）[0][k]

，但这比逻辑索引更昂贵

---

有没有一种引用

a[ind]

的方法可以引用

a

的基本内存？

这适用于小数组（索引器！）。优化可能更加棘手

import numpy as np

A = np.arange(0,10)
k = np.array([0,1,0])
ind = np.logical_and(A>4, A%2)

A[ind.nonzero()[0][k.nonzero()]] = np.pi

---

从经常引用的numpy索引页面：

。。。。单个布尔索引数组实际上与x[obj.nonzero（）]相同。。。。但是，当obj.shape==x.shape时，速度更快

np.其中（cond）

是

np.非零（cond）

但是让我们做一些简单的计时

In [239]: x = np.arange(10000)
In [240]: y = (x%2).astype(bool)
In [241]: x[y].shape
Out[241]: (5000,)
In [242]: idx = np.nonzero(y)
In [243]: x[idx].shape
Out[243]: (5000,)
In [244]: timeit x[y].shape
89.9 µs ± 726 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
In [245]: timeit x[idx].shape
13.3 µs ± 107 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [246]: timeit x[np.nonzero(y)].shape
34.2 µs ± 893 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

因此，数组索引比布尔索引更快，即使我们使用显式

where

---

A[ind][k]=

不起作用，因为

A[ind]

是副本，而不是视图

In [251]: A = np.arange(100,110)
In [252]: ind = np.logical_and(A>104, A%2)
In [253]: ind
Out[253]: 
array([False, False, False, False, False,  True, False,  True, False,
        True])
In [254]: k = np.array([0,1,0], dtype=bool)
In [255]: A[ind]
Out[255]: array([105, 107, 109])
In [256]: A[ind][k]
Out[256]: array([107])
In [257]: A[ind][k] = 12
In [258]: A
Out[258]: array([100, 101, 102, 103, 104, 105, 106, 107, 108, 109])

但是使用

k

从

np中选择索引。其中（ind）

起作用：

In [262]: A[np.where(ind)[0][k]]=12
In [263]: A
Out[263]: array([100, 101, 102, 103, 104, 105, 106,  12, 108, 109])

获取而非集合的计时：

In [264]: timeit A[np.where(ind)[0][k]]
1.94 µs ± 75.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [265]: timeit A[ind][k]
1.34 µs ± 13.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

所以，是的，在这种情况下，双重掩蔽的速度要快一点，但如果它不起作用，那也没关系。不要为小时间的改进而烦恼

一种布尔索引方法

---

在这个小例子中，它与

A[np]基本相同。其中（ind）[0][k]]=12

问题不在于

A[ind]

，而在于

[k]

部分。如果没有它，它可以工作（除了它分配

3

而不是

np.pi

，因为它是一个整数数组。您没有解释，您打算用

A[ind][k]实现什么

。这对我来说并不明显。k应该是

ind

中真值的附加布尔掩码吗？是的，

k

是

ind

中真值的附加布尔掩码。我运行了一个快速测试，奇怪的是，其中的速度似乎快了一点。

min（重复（'a[mask]=0'，globals=globals（），number=100000））->0.33872522017918527

min（重复（'a[np.where（mask）]=0'，globals=globals（），number=100000））->0.25470716995187104

@kazemakase做了，速度较慢。有时我觉得我的计算机只是在开玩笑……我想OP知道这种解决方案——他们只是担心它可能会慢。好的，明白了。如果有其他人想要一个适用于小数组的解决方案，我会把它留在这里。我已经相应地编辑了。@PaulPanzer我发现它很有帮助！我想其他人也会从这个答案中受益。这种类型的双布尔掩蔽在我的应用程序中不是人工的。

A

表示一个大集合中每个点的质量，

A

的条目在每次迭代中都会更新。

ind

是满足简单测试条件和仅针对这些点，测试了一个更昂贵的条件，该条件在

k

中返回。我提出了一种“纯布尔”索引方法，它似乎与

where

版本的时间相同。+1 upvote。我喜欢你指给我们的地方。我肯定会重复几次：）

In [264]: timeit A[np.where(ind)[0][k]]
1.94 µs ± 75.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [265]: timeit A[ind][k]
1.34 µs ± 13.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [345]: ind1=ind.copy()
In [346]: ind1[ind] = k
In [348]: A[ind1]=3
In [349]: A
Out[349]: array([100, 101, 102, 103, 104, 105, 106,   3, 108, 109])