Python 如何安全地将整数矩阵预先分配为numpy中的索引矩阵

我想预先分配一个整数矩阵来存储迭代中生成的索引。在MATLAB中，这可以通过

IXS=zero（r，c）

在

之前为
循环获得，其中
r
和
c
是行数和列数。因此，后续
for
循环中的所有索引都可以分配到
IXS
中，以避免动态分配。例如，如果我在代码中意外地选择了一个0，那么从矩阵中选择元素时选择这些索引的方法是错误的，可能会出现错误

但在numpy中，0或其他负值也可以用作索引。例如，如果我将
IXS
预先分配为
IXS=np.zeros（[r，c]，dtype=int）
，则在numpy中。在
for
循环中，以前分配到
IXS
的索引指定的子矩阵可以通过MATLAB中的
X（：，IXS（IXS~=0））
获得，但是如果在numpy中以相同的方式执行选择，第一行/列可能会丢失

此外，在具有大型矩阵运算的大型程序中，预分配对于加快计算速度非常重要，并且很容易定位错误索引引起的错误，因为在MATLAB中可能选择0。在numpy中，如果我选择了一个数组，例如
X[：，IXS[：n]]
错误
n
，则不会发生错误。我必须花很多时间来检查错误在哪里。更糟糕的是，如果最终结果不是那么奇怪，我可能会忽略这个bug。这总是发生在我的程序中。因此，我不得不一次又一次地调试代码

我想知道有没有一种安全的方法可以在numpy中预先分配这样的索引矩阵？
在numpy中，matlb
零的等价物是：

返回给定形状和类型的新数组，并用零填充

numpy中matlb
零的等效值为：

返回给定形状和类型的新数组，并用零填充

用明显太大的值填充索引数组如何：

In [156]: x=np.array([1,2,3,4,5])
In [157]: idx=np.full(6,999,dtype=int)
In [158]: idx[:3]=[1,0,4]
In [159]: idx
Out[159]: array([  1,   0,   4, 999, 999, 999])
In [160]: x[idx[:3]]
Out[160]: array([2, 1, 5])
In [161]: x[idx[:4]]
...
IndexError: index 999 is out of bounds for axis 1 with size 5

用明显太大的值填充索引数组如何：

In [156]: x=np.array([1,2,3,4,5])
In [157]: idx=np.full(6,999,dtype=int)
In [158]: idx[:3]=[1,0,4]
In [159]: idx
Out[159]: array([  1,   0,   4, 999, 999, 999])
In [160]: x[idx[:3]]
Out[160]: array([2, 1, 5])
In [161]: x[idx[:4]]
...
IndexError: index 999 is out of bounds for axis 1 with size 5

如果您真的想通过这种方式捕获错误，请使用NaN初始化索引

IXS=np.full（（r，c），np.nan，dtype=int）

这将始终引发一个
索引器
如果您真的希望通过这种方式捕获错误，请使用NaN初始化索引

IXS=np.full（（r，c），np.nan，dtype=int）

这将始终引发一个
索引器
使用
numpy.ma.masked\u数组

IXS=np.ma.masked_values(np.zeros((3,4),dtype=int),0)

masked_array(data =
 [[-- -- -- --]
 [-- -- -- --]
 [-- -- -- --]],
             mask =
 [[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]],
       fill_value = 0)

现在，如果设置一个值，可以将其用作索引：

a=np.arange(10)
IXS[2,2]=5
a[IXS[2,2]]

5

但如果你没有：

IXS[0,0]

masked

a[IXS[0,0]]

IndexError: arrays used as indices must be of integer (or boolean) type

使用
numpy.ma.masked_数组

IXS=np.ma.masked_values(np.zeros((3,4),dtype=int),0)

masked_array(data =
 [[-- -- -- --]
 [-- -- -- --]
 [-- -- -- --]],
             mask =
 [[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]],
       fill_value = 0)

现在，如果设置一个值，可以将其用作索引：

a=np.arange(10)
IXS[2,2]=5
a[IXS[2,2]]

5

但如果你没有：

IXS[0,0]

masked

a[IXS[0,0]]

IndexError: arrays used as indices must be of integer (or boolean) type

您需要添加一两个示例。你的担心并不明显
x=np。零（[r，c]，int）
是一个普通数组，包含r行、c列和0。和整数数据类型。什么是索引矩阵
？谢谢。我已经编辑了我的问题，我仍然感到困惑。在MATLAB（我可以用倍频程测试）和numpy中显示一个小示例。事实上，MATLAB索引从1:n开始运行，这意味着您可以使用0作为某种“未分配”值，其中as numpy索引从0开始，它将
-1
理解为
end-1
。但通常这不是问题。创建和使用这个
IXS
数组的方式有些不寻常。简单的例子是，假设
IXS=[1,2,4,0,0]
与
x=[1,2,3,4,5]
。子数组的欧几里德范数，如果我在MATLAB中使用
norm（x（IXS（1:4））
，可能会出现错误，但在numpy中，如果我使用
np.linalg.norm（x[IXS[：4]]）
，则不会出现错误。显然，这是不正确的。如果我没有以正确的方式使用IX，或者没有像示例中那样为拾取子阵列创建错误的索引，那么您是对的。我想要的是，如果出现这种情况，可以提出错误，这样我就可以很容易地找到错误。在我的程序中，这一点很重要，因为需要执行很多矩阵运算。您需要添加一两个示例。你的担心并不明显
x=np。零（[r，c]，int）
是一个普通数组，包含r行、c列和0。和整数数据类型。什么是索引矩阵
？谢谢。我已经编辑了我的问题，我仍然感到困惑。在MATLAB（我可以用倍频程测试）和numpy中显示一个小示例。事实上，MATLAB索引从1:n开始运行，这意味着您可以使用0作为某种“未分配”值，其中as numpy索引从0开始，它将
-1
理解为
end-1
。但通常这不是问题。创建和使用这个
IXS
数组的方式有些不寻常。简单的例子是，假设
IXS=[1,2,4,0,0]
与
x=[1,2,3,4,5]
。子数组的欧几里德范数，如果我在MATLAB中使用
norm（x（IXS（1:4））
，可能会出现错误，但在numpy中，如果我使用
np.linalg.norm（x[IXS[：4]]）
，则不会出现错误。显然，这是不正确的。如果我没有以正确的方式使用IX，或者没有像示例中那样为拾取子阵列创建错误的索引，那么您是对的。我想要的是，如果出现这种情况，可以提出错误，这样我就可以很容易地找到错误。在我的程序中，这一点很重要，因为需要执行很多矩阵运算。谢谢。这就是我在代码中所做的，因为在计算过程中矩阵的大小是固定的。但我认为这不够安全，因为在其他情况下，小矩阵生成的索引可以用于大矩阵，所以我必须确定多大的矩阵足够大。也许
np.full（6，np.inf，dtype=int）
更合适，但是如果一个数组将来有超过2147483648个元素，我该怎么办呢？所以关于最大数组维度和内存限制的问题：谢谢。这就是我在代码中所做的，因为在计算过程中矩阵的大小是固定的。但我认为这不够安全，因为在其他情况下，小矩阵生成的索引可以用于大矩阵，所以我必须确定