5

Numpy 数组允许索引列表，例如

a = np.arange(1000)
l = list([1,44,66,33,90,345])
a[l] = 22

但是，例如，如果我们想使用多切片索引或索引加切片，则此方法不起作用。

a = np.arange(1000)
l = list([1,44,66,33,90, slice(200,300) , slice(500,600) ])
a[l] = 22

此代码返回错误消息：

IndexError: too many indices

我的问题很简单：你知道在numpy或scipy中是否存在使用这种索引的有效方法吗？

或者使用这样的索引方法有什么好的和有效的方法？

不要忘记切片的使用会产生非常快的代码；我的问题是拥有尽可能快的代码。

4

2 回答 2

4

我想到了什么：

a = np.arange(1000)
l = np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))
a[l] = 22

我不确定这是否是最简单的方法，但它确实有效。

编辑：你说得对，这比使用切片要慢；但是您不能创建具有任意值的切片对象。也许你应该做几个作业然后：

%timeit a[np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))] = 22
10000 loops, best of 3: 39.5 us per loop

%timeit a[[1, 44, 66, 33, 90]] = 22; a[200:300] = 22; a[500:600] = 22
100000 loops, best of 3: 18.4 us per loop
于 2012-11-23T08:27:36.307 回答
0

您可以使用精美的索引来构建索引列表。

l = numpy.array([1,44,66,33,90]+range(200,300)+range(500,600))
a[l] = 22

但正如@Lev指出的那样，这可能不会更快（尽管如果您可以预先计算索引列表，几乎可以肯定会如此）。

但是，花式索引适用于每个轴。因此，您可以在一个轴上使用索引，然后对其他轴进行切片，如果这有帮助的话：

a = numpy.random.randn(4, 5, 6)
l = numpy.array([1, 2])
a[l, slice(None), slice(2, 4)] = 10
于 2012-11-23T09:49:10.180 回答