我有一个要添加新列“being_narrative”的数据框。数据框信息如下所示：

数据框具有以下行索引：

我尝试使用以下命令添加字符串类型的新列：

但是，它给出了带有复制警告的设置：

_main__:1：SettingWithCopyWarning：试图在 DataFrame 的切片副本上设置一个值。尝试改用 .loc[row_indexer,col_indexer] = value

当我尝试在不同的数据帧上使用上述命令时，我没有收到此警告：

此外，没有为该列分配新值

运行上述分配后，新列仍然为空：

但是，这可以单独工作，如下所示：

似乎问题出在数据框上。可能是什么问题呢？提前致谢！

更新：

尝试使用@Aryerez 的建议来使用 .loc 约定，首先删除列，然后使用：

但是再次收到警告，显然数据框存在问题：

我有一个巨大的嵌套 for 循环......总共 10 个，但为了说明，我包括 6 个。我正在做一个求和（在多个索引上；incides 不是独立的！）。任何内部 for 循环中的索引取决于外部循环的索引（一个实例除外）。最里面的循环包含一个操作，在该操作中，我根据 8 个不同的条件对数组（名为“w”）进行切片，所有条件都使用“&”和“|”组合。还有一个“HB”函数将这个切片数组（名为“wrange”）作为参数，对其执行一些操作并返回一个相同大小的数组。

此切片和执行“HB”函数的时间刻度分别为 300-400 微秒和 100 微秒。我需要彻底降低它。到纳秒。！！

尝试使用字典而不是数组（我正在切片）。它要慢得多。尝试存储所有可能值的切片数组。这本身就是一个非常庞大的计算，因为有许多可能的条件组合（这些条件间接取决于 for 循环的索引）

s 从 1 到 49

t 从 -s 到 s

l,n 有 641 种组合

在这里，我发布了一个 s,t 和一个 l,n 组合的值以进行说明。

TL;博士

运行整个部分大约需要 30 秒。我需要把它降到尽可能低。1秒是最小目标

使用 numpy 相当新，我有一段代码，我有一个二维数组（图像），我想用数组计算正方形区域的平均值和标准差。所以 +/- 特定点周围的行和列中的某个增量

现在我的代码看起来像这样（对于 (100, 100) 左右的 20 像素大小的任意区域）：

问题

是否有更简洁或更 numpy'ish/python'ish 的计算切片以馈入 mean() 和 std() 的方法，它不占用这么多行？（我知道我可以用 numpy.where() 来做到这一点，但条件会占用几乎一样多的行）

谢谢！

我对 python 编程非常熟悉，但是我发现了一些奇怪的情况，其中以下两行代码提供了不同的结果（假设两个数组是二维的）：

和

我想知道是否有任何情况，解释。

有什么提示吗？

例子 ：

如何切片 numpy 数组的最后 2 列？

例如： A = np.array([[1, 2, 3], [4, 5, 6]]) 我想将 B 作为 A 的最后两列，即[[2, 3], [5, 6]]

我知道我可以从数组的开头索引它，例如B = A[:, 1:3]. 但是我正在寻找一种通用形式，通过从末尾开始索引来对 A 进行切片，因为在我的情况下 A 的列数会发生变化。

假设我有一个一维数据数组。我想（有效地）生成一个矩阵，使得矩阵的每一行都是数据数组中连续的值范围，并且矩阵的每一行（在原始数据数组中）偏移 1，相对于上一行。

这个例子可能会让它更容易理解：

产生：

我显然已经想出了如何做到这一点，但我认为必须有一种更有效的 numpythonic 方法来避免 for-loop/stack。我将需要做很多（在另一个循环中）并且希望最大化性能。

TIA

我需要对一个 numpy 数组进行切片，以便获得一个对应于深绿色区域的数组： array

绿色区域是列和行中多个范围的交集。我想到了类似的东西：

M[[1:3,5:7],[1:3,5:7]]=np.zeros(4,4)

但它不起作用。我怎样才能有效地做到这一点？

假设我想为每一行从不同的列中选择一个值。然后，我可能会做这样的事情：

对我来说，需要指定整个范围似乎有点“难看”；此外，即使是arange通话也需要时间：

有没有办法避免使用范围？

概括上述问题；如何为每一行选择不同的相邻列集（每组大小相等）而不是单个值？我想避免创建许多手动范围，如下所示：

现在，我看到使用上述列范围的唯一方法是像这样索引：

理想情况下，我想使用类似的符号a[:, columns]代替a[np.arange(a.shape[0]), columns]，而a[:, columns:columns + window_length]不是a[rows, :][:, column_ranges][np.arange(len(rows)), np.arange(len(rows)), :]。

我有一个 numpy 数组A = np.array([[0, 1, 0, 0, 0],[0, 0, 1, 0, 0],[1, 0, 1, 1, 1]])

我想B = np.array([[0, 1, 0],[0, 0, 1],[1, 0, 1]])从 A 切片并将 A 的其余部分作为一个 numpy 数组获取C = np.array([[0, 0], [0, 0],[1,1]])

我正在寻找一个通用代码，因为我的矩阵 B 在 A 内部的不同迭代中发生变化。

谢谢

我有一个 numpy 数组heatmapshape(img_height, img_width)和另一个 shape 数组bboxes，(K, 4)其中K是一些边界框。每个边界框的定义如下[x_top_left, y_top_left, width, height]：这是此类数组的示例：

heatmap最初用零填充。我需要做的是将每个边界框的值 1 放在相应的位置。结果heatmap应该是：

需要注意的重要事项：

• 轴 0 对应于图像高度
• 轴 1 对应于图像宽度

我已经使用 python for 循环解决了这个问题，如下所示：

我想避免使用 python for 循环（如果可能的话）并且能够做这样的事情：

有没有办法在 numpy 中进行多次切片？

我知道numpy integer array indexing，但是要生成这样的索引，我也无法避免 python for 循环。