5

我在处理相同的大数据时遇到了一个小问题。但是现在，让我们假设我有一个用零填充的 NumPy 数组

>>> x = np.zeros((3,3))
>>> x
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

现在我想用特定值更改其中一些零。我已经给出了要更改的单元格的索引。

>>> y = np.array([[0,0],[1,1],[2,2]])
>>> y 
array([[0, 0],
       [1, 1],
       [2, 2]])

我有一个包含所需（现在是随机）数字的数组，如下所示

>>> z = np.array(np.random.rand(3))
>>> z
array([ 0.04988558,  0.87512891,  0.4288157 ])

所以现在我想我可以做到以下几点：

>>> x[y] = z

但是比它像这样填充整个数组

>>> x
array([[ 0.04988558,  0.87512891,  0.4288157 ],
       [ 0.04988558,  0.87512891,  0.4288157 ],
       [ 0.04988558,  0.87512891,  0.4288157 ]])

但我希望得到

>>> x
array([[ 0.04988558,           0,          0 ],
       [          0,  0.87512891,          0 ],
       [          0,           0,  0.4288157 ]])

编辑

现在我使用了对角线索引，但在这种情况下我的索引不仅仅是对角线。我希望以下作品：

>>> y = np.array([[0,1],[1,2],[2,0]])
>>> x[y] = z
>>> x
>>> x
array([[          0,  0.04988558,          0 ],
       [          0,           0, 0.87512891 ],
          0.4288157,           0,          0 ]])

但它就像上面一样填充整个数组

4

1 回答 1

7

数组索引在多维数组上的工作方式略有不同

如果你有一个向量，你可以通过使用访问前三个元素

x[np.array([0,1,2])]

但是当您在矩阵上使用它时，它将返回前几行。乍一看，使用

x[np.array([0,0],[1,1],[2,2]])]

听起来很合理。但是，NumPy 数组索引的工作方式不同：它仍然以 1D 方式处理所有这些索引，但以与索引向量相同的形状返回向量中的值。

要正确访问 2D 矩阵，您必须将两个组件拆分为两个单独的数组：

x[np.array([0,1,2]), np.array([0,1,2])]

这将获取矩阵主对角线上的所有元素。也可以使用这种方法进行分配：

x[np.array([0,1,2]), np.array([0,1,2])] = 1

因此，要访问您在编辑中提到的元素，您必须执行以下操作：

x[np.array([0,1,2]), np.array([1,2,0])]
于 2013-06-27T08:31:23.353 回答