Python 为什么numpy不允许分配双索引numpy数组?
我想将数组Python 为什么numpy不允许分配双索引numpy数组?,python,numpy,Python,Numpy,我想将数组arr\u 2的值分配给不同的数组arr\u 1。然而,我想根据两个选择标准来做这件事。作为一个工作示例,我定义了我的选择标准 import numpy as np # An array of -1 values of shape(10,): [-1 -1 -1 -1 -1 -1 -1 -1 -1 -1] arr_1 = np.zeros(10, dtype=int) - 1 # An array of 0-9 values of shape(10,): [0 1 2 3 4 5 6
arr\u 2
的值分配给不同的数组arr\u 1
。然而,我想根据两个选择标准来做这件事。作为一个工作示例,我定义了我的选择标准
import numpy as np
# An array of -1 values of shape(10,): [-1 -1 -1 -1 -1 -1 -1 -1 -1 -1]
arr_1 = np.zeros(10, dtype=int) - 1
# An array of 0-9 values of shape(10,): [0 1 2 3 4 5 6 7 8 9]
arr_2 = np.arange(10)
# Create an initial selection of values we want to change
# In this example: even indices: [ T F T F T F T F T F]
selection_a = np.arange(10) % 2 == 0
# Create a second selection based on selection_a: [F F F T T]
selection_b = arr_2[selection_a] > 5
基于这两个选择标准,我想分配arr_2
的值,其中两个条件都适用于数组arr_1
。即相当于[F F F T F]
arr_1[selection_a][selection_b] = arr_2[selection_a][selection_b]
如果我在赋值前检查等式的两边,它们会产生我期望的值:
print(arr_1[selection_a][selection_b]) # yields [-1 -1]
print(arr_2[selection_a][selection_b]) # yields [ 6, 8]
但是,赋值本身并不赋值,即arr_1
保持不变。我的问题是,为什么会这样
NB:我知道在大多数(甚至可能是所有情况下)可以通过创建一个标准来避免这种情况,但是我想知道为什么使用两个单独的标准不起作用
如果有什么不清楚的地方,请告诉我,我会尽力澄清
编辑
我对此进行了进一步的研究,问题似乎出现在等式的左侧
arr_1[selection_a][selection_b] = 5
也不起作用。只需使用
[…]
操作符,即可在数组中创建一个选择,从中可以读取,也可以写入。第二次使用[…]
将毫无问题地读取值。但就写入而言,第二次访问将是在您的情况下访问为匹配选择规则而创建的临时数组(即临时形状(2,)
,即原始数据的副本)
编辑:布尔索引是所谓“高级索引”的一部分。保持对简单切片的索引可以避免这些复制问题。只需使用
[…]
操作符,就可以在数组中创建一个选择,从中可以读取,也可以写入。第二次使用[…]
将毫无问题地读取值。但就写入而言,第二次访问将是在您的情况下访问为匹配选择规则而创建的临时数组(即临时形状(2,)
,即原始数据的副本)
编辑:布尔索引是所谓“高级索引”的一部分。将索引保留到简单切片可以避免这些复制问题。如果您希望获得更改
arr\u 1
数组的所需结果,请添加到Pierre de Buyl解决方案。您可以使用np.where
,如下所示:
arr_1[selection_a] = np.where(arr_2[selection_a]>5,arr_2[selection_a],arr_1[selection_a])
arr_1
给
array([-1, -1, -1, -1, -1, -1, 6, -1, 8, -1])
如果您希望获得更改
arr_1
数组的所需结果,请添加到Pierre de Buyl解决方案。您可以使用np.where
,如下所示:
arr_1[selection_a] = np.where(arr_2[selection_a]>5,arr_2[selection_a],arr_1[selection_a])
arr_1
给
array([-1, -1, -1, -1, -1, -1, 6, -1, 8, -1])
这与python中的
=
被解释为\uuuuu setitem\uuuuuu()
有关,它可以从指定的变量中选择内存地址。但是,它不会递归地执行此操作
a[boolean_mask] = 0
工作,因为索引指向a
中的内存
a[mask1][mask2] = 0
不会,因为索引指向
a[mask1]
中的内存,它是一个副本。它与python中的=
被解释为\uuuuuu setitem\uuuuuuuuu()
有关,它可以从分配的变量中选择内存地址。但是,它不会递归地执行此操作
a[boolean_mask] = 0
工作,因为索引指向a
中的内存
a[mask1][mask2] = 0
不会,因为索引指向
a[mask1]
中的内存,这是一个副本。由于选择a
和选择b
的条件互不依赖,您可以创建一个组合掩码
selection_c = (np.arange(10) % 2 == 0) & (arr_2 > 5)
像这样使用它
arr_1[selection_c] = 5
由于
selection_a
和selection_b
的条件互不依赖,因此您可以创建一个组合遮罩
selection_c = (np.arange(10) % 2 == 0) & (arr_2 > 5)
像这样使用它
arr_1[selection_c] = 5
我会这样做:
idx=arr_2[selection_a][selection_b];arr_1[idx]=idx
定义selection_b
为arr_2>5和selection_a
然后使用arr_1[selection_b]=5
@GiacomoAlzettaselection_a
和selection_b
具有不同的形状。@PM2Ring。我想说的是:与其让selection\u b
依赖于selection\u a
中需要嵌套选择的结果,只需将其定义为与selection\u a
相同的形状,并使用&
进行“筛选”。您始终可以将嵌套条件[a][b][c][d]
重写为[a&b'&c'&d']
,其中预处理版本b'
,c'
,d'
(ecc.)的形状与a
相同。关键是arr\u 1[selection\u a]
是副本,而不是视图。作业是修改该副本的一部分,而不是原件的一部分numpy
未同时解析这两个条件。Python正在执行两个独立的索引操作;arr_1[idx]=idx
定义selection_b
为arr_2>5和selection_a
然后使用arr_1[selection_b]=5
@GiacomoAlzettaselection_a
和selection_b
具有不同的形状。@PM2Ring。我想说的是:与其让selection\u b
依赖于selection\u a
中需要嵌套选择的结果,只需将其定义为与selection\u a
相同的形状,并使用&
进行“筛选”。您始终可以将嵌套条件[a][b][c][d]
重写为[a&b'&c'&d']
,其中预处理版本b'
,c'
,d'
(ecc.)的形状与a
相同。关键是arr\u 1[selection\u a]
是副本,而不是视图。作业是修改该副本的一部分,而不是原件的一部分numpy
未同时解析这两个条件。派特