具有2D值和索引数组的numpy二维数组赋值

Question

我的目标是使用两个相同形状的2D数组分配现有2D数组的值，或创建一个新数组，一个具有值，另一个具有索引以指定相应的值。

X = np.array([range(5),range(5)])
X
array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]])

Y= np.array([range(5), [2,3,4,1,0]])
Y
array([[0, 1, 2, 3, 4],
       [2, 3, 4, 1, 0]])

我想要的输出是一个与X和Y形状相同的数组，其中X的值来自Y中相应行的索引。这个结果可以通过以下列方式循环遍历每一行来实现：

output = np.zeros(X.shape)

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]
output 
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

是否有更有效的方法来应用这种分配？

np.take(output, Y) 

将返回我想要分配给X的值的输出数组中的项，但我相信np.take不会生成对原始数组的引用，而是生成一个新数组。

Answer 1

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]

相当于

I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

---

例如，

X = np.array([range(5),range(5)])
Y = np.array([range(5), [2,3,4,1,0]])
output = np.zeros(X.shape)
I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

产量

>>> output
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

---

当循环迭代很少时，性能没有太大差异。 但是如果X.shape[0]很大，那么使用索引要快得多：

def using_loop(X, Y):
    output = np.zeros(X.shape)
    for i in range(X.shape[0]):
        output[i][Y[i]] = X[i]
    return output

def using_indexing(X, Y):
    output = np.zeros(X.shape)
    I = np.arange(X.shape[0])[:, np.newaxis]
    output[I, Y] = X
    return output

X2 = np.tile(X, (100,1))
Y2 = np.tile(Y, (100,1))

---

In [77]: %timeit using_loop(X2, Y2)
1000 loops, best of 3: 376 µs per loop

In [78]: %timeit using_indexing(X2, Y2)
100000 loops, best of 3: 15.2 µs per loop