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:Python 使用索引替换二维numpy数组的一部分,python,numpy,indexing,multidimensional-array,Python,Numpy,Indexing,Multidimensional Array,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.,
>>> 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.]])
>>>