[英]Python numpy array integer indexed flat slice assignment
正在尝试numpy并发现这种奇怪的行为。 该代码可以正常工作:
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a[:, 1].flat[:] = np.array([-1, -1])
>>> a
array([[ 1, -1, 3],
[ 4, -1, 6]])
但是为什么这段代码不会更改为-1元素(0和2列)?
>>> a[:, [0, 2]].flat[:] = np.array([-1, -1])
>>> a
array([[ 1, -1, 3],
[ 4, -1, 6]])
以及如何编写代码,使其变成这样的0和2列的-1元素?
UPD:在我的示例中必须使用flat
或smt类似
UPD2:我根据以下代码制作了有问题的示例:
img = imread(img_name)
xor_mask = np.zeros_like(img, dtype=np.bool)
# msg_bits looks like array([ True, False, False, ..., False, False, True], dtype=bool)
xor_mask[:, :, channel].flat[:len(msg_bits)] = np.ones_like(msg_bits, dtype=np.bool)
在使用channel == 0或1或2代码分配给xor掩码后,可以正常工作,但是如果channel == [1,2]或smt这样,则不会发生分配
在第一个示例中,通过展平切片不会改变形状,实际上
python
Numpy不会创建新对象。 因此,分配给扁平化切片就像分配给实际切片一样。 但是通过展平2D数组,您可以更改形状,因此numpy会复制它。
同样,您也不需要展平切片以添加到其中:
In [5]: a[:, [0, 2]] += 100
In [6]: a
Out[6]:
array([[101, 2, 103],
[104, 5, 106]])
正如其他人指出的那样, .flat
可能会创建原始矢量的副本,因此对它的任何更新都将丢失。 但是,对1D切片进行flat
很好,因此您可以使用for
循环更新多个索引。
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
a[:, 1].flat = np.array([-1, -1])
print a
# Use for loop to avoid copies
for idx in [0, 2]:
a[:, idx].flat = np.array([-1, -1])
print a
请注意,您不需要使用flat[:]
:仅使用flat
就足够了(并且可能更有效)。
您只需from a[:, [0, 2]].flat[:] += 100
删除flat[:]
:
>>> import numpy as np
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a[:, 1].flat[:] += 100
>>> a
array([[ 1, 102, 3],
[ 4, 105, 6]])
>>> a[:, [0, 2]] += 100
>>> a
array([[101, 102, 103],
[104, 105, 106]])
但是您说这是有必要的...您能不能只是reshape
要添加到初始数组的内容,而不是使用flat
?
第二个索引调用复制数组,而第一个返回对该数组的引用:
>>> import numpy as np
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> b = a[:,1].flat
>>> b[0] += 100
>>> a
array([[ 1, 102, 3],
[ 4, 5, 6]])
>>> b =a[:,[0,2]].flat
>>> b[0]
1
>>> b[0] += 100
>>> a
array([[ 1, 102, 3],
[ 4, 5, 6]])
>>> b[:]
array([101, 3, 4, 6])
似乎当您希望以flat
方式迭代的元素不相邻时,numpy会在数组副本上进行迭代。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.