Python numpy使用另一个数组将值分配给2D数组，其中有序对作为2D数组的索引

Question

这很难用文字描述，但在实践中很容易看到。 我有一个2D数组：

im = np.array([[0,0,0,0],[0,0,0,0],[0,0,0,0],[0,0,0,0]])

我将其解释为4x4灰度图像 - 因此数组中的值只是强度。 所以，首先， im是：

[[0,0,0,0],
 [0,0,0,0],
 [0,0,0,0],
 [0,0,0,0]]

我希望能够根据x值数组和y值数组一次更改“图像”中的许多值。 我将它们组装成第二个数组中的有序对，如下所示：

x = [0,1]
y = [2,3]
coords = np.array([x,y]).T

现在coords看起来像这样：

array([[0, 2],
       [1, 3]])

最后，我想通过coords索引im。 我想也许是这样的：

im[coords] = 9

......但这不起作用。 我希望im的最终结果是：

[[0,0,9,0],
 [0,0,0,9],
 [0,0,0,0],
 [0,0,0,0]]

有谁知道这样快速而优雅的方式？

谢谢！

Answer 1

一般来说，如果你有一个numpy数组

import numpy as np
arr = np.array([[0,0,0,0],[0,0,0,0],[0,0,0,0],[0,0,0,0]])
x_coords = [0, 1]
y_coords = [2, 3]
values = [8, 9]

然后

arr[x, y] = values

会导致

  array([
        [0, 0, 8, 0],
        [0, 0, 0, 9],
        [0, 0, 0, 0],
        [0, 0, 0, 0]
        ])

Answer 2

你可以简单地做im[x,y] = 9 。

例如：

im = np.array([[0,0,0,0],[0,0,0,0],[0,0,0,0],[0,0,0,0]])
x = [0,1]
y = [2,3]
im[x,y] = 9
print(im)
# Result:
# array([[0, 0, 9, 0],
#        [0, 0, 0, 9],
#        [0, 0, 0, 0],
#        [0, 0, 0, 0]])