Python 使用索引替换二维numpy数组的一部分

我试图将名为“S”的2D numpy数组的一部分替换为I和j的函数。鉴于以下情况：

>>> S
Out[1]: 
array([[ 1.,  0.,  0.],
      [ 0.,  3.,  0.],
      [ 0.,  0.,  9.]]

对于i=0和j=1，我可以使用以下语法访问元素行i和j以及列i和j：

>>> S[:, [i, j]][[i, j], :]
Out[2]: 
array([[ 1.,  0.],
      [ 0.,  3.]])

现在，当我尝试用另一个相同维度的数组（tmp_arr）替换数组S的相同元素时，python不会给出错误，但它也不会做任何事情，这意味着S的元素保持不变，并且不会显示错误消息

>>> tmp_arr
Out[3]: 
array([[ 555.,  0.],
       [ 0.,  555.]])

>>> S[:, [i, j]][[i, j], :] = tmp_arr

我得到的是相同的矩阵：

>>> S
Out[4]: 
array([[ 1.,  0.,  0.],
      [ 0.,  3.,  0.],
      [ 0.,  0.,  9.]])

显然，以下方法可行，但我正在寻找一个优雅的解决方案：

S[i, i] = tmp_arr[0, 0]
S[i, j] = tmp_arr[0, 1]
S[j, i] = tmp_arr[1, 0]
S[j, j] = tmp_arr[1, 1]

非常感谢您的评论和经验。

您可以使用以下方法构建所需的索引数组：

In [91]: S[np.ix_([i,j],[i,j])]
Out[91]: 
array([[1, 0],
       [0, 3]])

In [92]: tmp_arr = np.eye(2)*555

In [93]: tmp_arr
Out[93]: 
array([[ 555.,    0.],
       [   0.,  555.]])

In [94]: S[np.ix_([i,j],[i,j])] = tmp_arr

In [95]: S
Out[95]: 
array([[555,   0,   0],
       [  0, 555,   0],
       [  0,   0,   9]])

---

使用

np.ix

有助于向

S

分配任务，但请注意，有更快的方法选择子阵列：

In [99]: %timeit S.take([i, j], axis=1).take([i, j], axis=0)
100000 loops, best of 3: 3.32 µs per loop
In [97]: %timeit S[:, [i, j]][[i, j], :]
100000 loops, best of 3: 8.8 µs per loop
In [96]: %timeit S[np.ix_([i,j],[i,j])]
100000 loops, best of 3: 13 µs per loop

---

但与这些其他方法不同，

S[np.ix_u（…）]=…

不使用链式索引，因此调用

S.\uuuu setitem_uu

，赋值影响

S

。相反，

S[：，[i，j]]

返回

S

子数组的副本，因此分配给

S[：，[i，j][[i，j]，：]

只影响子数组的此副本，而不影响

S

本身。由于未维护对子数组的这个副本的引用，Python在赋值后会丢弃该副本，因此赋值将丢失。这就是为什么链式索引不适合分配给

S

为了确保他只抓取他要找的4个项目，你必须做

a[i:j+1:j-i，i:j+1:j-i]

，不是吗？当然要确保

j>i

。请注意i，j可以是非顺序的。例如i=0和j=2。换句话说，如果我要替换S[0,0]、S[0,2]、S[2,0]和S[2,2]，那么我认为上述解决方案是行不通的。如果我错了，请纠正我。@Arian，你是对的-我的解决方案将替换连续范围。不幸的是，这不是我第一次误解。谢谢@unutbu的回答。这绝对有道理。

>>> a
array([[ 1.,  0.,  0.],
       [ 0.,  3.,  0.],
       [ 0.,  0.,  9.]])
>>> i, j = 0 , 1
>>> a[i:j+1,i:j+1] = np.arange(100, 104).reshape(2,2)
>>> a
array([[ 100.,  101.,    0.],
       [ 102.,  103.,    0.],
       [   0.,    0.,    9.]])
>>>