[英]Why does numpy not allow assignment of a doubly indexed numpy array?
我想将数组arr_2
值分配给另一个数组arr_1
。 但是,我想基于2个选择标准来执行此操作。 作为一个工作示例,我将选择标准定义为
import numpy as np
# An array of -1 values of shape(10,): [-1 -1 -1 -1 -1 -1 -1 -1 -1 -1]
arr_1 = np.zeros(10, dtype=int) - 1
# An array of 0-9 values of shape(10,): [0 1 2 3 4 5 6 7 8 9]
arr_2 = np.arange(10)
# Create an initial selection of values we want to change
# In this example: even indices: [ T F T F T F T F T F]
selection_a = np.arange(10) % 2 == 0
# Create a second selection based on selection_a: [F F F T T]
selection_b = arr_2[selection_a] > 5
基于这两个选择标准,我想将两个条件均成立的arr_2
的值分配给数组arr_1
。 即相当于[FFFFFFTFTF]
。
arr_1[selection_a][selection_b] = arr_2[selection_a][selection_b]
如果我在分配之前检查方程式的两边,它们会得出我期望的值:
print(arr_1[selection_a][selection_b]) # yields [-1 -1]
print(arr_2[selection_a][selection_b]) # yields [ 6, 8]
但是,分配本身不会分配值,即arr_1
保持不变。 我的问题是,为什么会这样?
NB :我知道在大多数(甚至可能是所有情况下),可以通过创建一个标准来规避这一问题,但是我想知道为什么使用2个单独的标准行不通。
如果有任何不清楚的地方,请让我知道,我会尽力澄清。
我对此进行了进一步研究,问题似乎在方程的左侧,类似于
arr_1[selection_a][selection_b] = 5
也不起作用。
[...]
一次使用运算符会在一个数组中创建一个选择,您可以从中读取和写入。 再次使用[...]
将毫无问题地读取值。 但是就写作而言,第二次访问将是根据您的情况创建的,与选择规则匹配的临时数组(即形状(2,)
的临时副本,它是原始数据的副本)。
编辑:布尔索引是所谓的“高级索引”的一部分。 将索引保持为简单片可避免这些复制问题。
如果要获得更改arr_1
数组所需的结果,请添加到Pierre de Buyl解决方案中。 您可以使用np.where
,如下所示:
arr_1[selection_a] = np.where(arr_2[selection_a]>5,arr_2[selection_a],arr_1[selection_a])
arr_1
这使
array([-1, -1, -1, -1, -1, -1, 6, -1, 8, -1])
它与python中的=
解释为.__setitem__()
,后者可以从分配的变量中选择内存地址。 但是,它不会递归执行此操作,因此
a[boolean_mask] = 0
的作品,如索引指向内存中a
,
a[mask1][mask2] = 0
不会,因为索引指向a[mask1]
的内存,该内存是副本。
由于selection_a
和selection_b
的条件互不依赖,因此您可以创建一个组合的遮罩
selection_c = (np.arange(10) % 2 == 0) & (arr_2 > 5)
并像这样使用
arr_1[selection_c] = 5
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.