[英]How to index a numpy array with another numpy array in python
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]]
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]])
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”。
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.