Python numpy数组整数索引平面切片分配

Question

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

Answer 1

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]])

Answer 2

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）。

Answer 3

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。