如何在 python 中用另一个 numpy 数组索引 numpy 数组

Question

我正在尝试用另一个数组索引一个 np.array，以便在某个索引之后我可以在任何地方都有零，但它给了我错误

TypeError: 只有 integer 标量 arrays 可以转换为标量索引

基本上我希望我的代码做的是，如果我有：

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
d = np.array([2, 1, 3])

我可以做类似的事情

a[d:] = 0

给 output

a = [[ 1  2  3]
     [ 4  0  6]
     [ 0  0  9]
     [ 0  0  0]]

Answer 1

它可以通过数组索引来完成，但感觉不自然。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
d = np.array([2, 1, 3])

col_ix = [ 0, 0, 1, 1, 1, 2 ]  # column ix for each item to change                                   
row_ix = [ 2, 3, 1, 2, 3, 3 ]  # row index for each item to change

a[ row_ix, col_ix ] = 0

a 
# array([[1, 2, 3],
#        [4, 0, 6],
#        [0, 0, 9],
#        [0, 0, 0]])

使用 for 循环

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

for ix_col, ix_row in enumerate( d ):  # iterate across the columns
    a[ ix_row:, ix_col ] = 0

a 
# array([[1, 2, 3],
#        [4, 0, 6],
#        [0, 0, 9],
#        [0, 0, 0]])

Answer 2

解决此类问题的一种广泛使用的方法是构造一个 boolean 掩码，将索引数组与适当的arange进行比较：

In [619]: mask = np.arange(4)[:,None]>=d
In [620]: mask
Out[620]: 
array([[False, False, False],
       [False,  True, False],
       [ True,  True, False],
       [ True,  True,  True]])
In [621]: a[mask]
Out[621]: array([ 5,  7,  8, 10, 11, 12])
In [622]: a[mask] = 0
In [623]: a
Out[623]: 
array([[1, 2, 3],
       [4, 0, 6],
       [0, 0, 9],
       [0, 0, 0]])

这不一定比行（或在这种情况下为列）迭代快。 由于切片是基本索引，因此即使执行多次，它也可能会更快。

In [624]: for i,v in enumerate(d):
     ...:     print(a[v:,i])
     ...: 
[0 0]
[0 0 0]
[0]

通常，如果一个结果涉及多个 arrays 或不同长度的列表，则没有“整洁”的多维解决方案。 要么遍历这些列表，要么退后一步“跳出框框思考”。