[英]Python numpy array integer indexed flat slice assignment
正在嘗試numpy並發現這種奇怪的行為。 該代碼可以正常工作:
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a[:, 1].flat[:] = np.array([-1, -1])
>>> a
array([[ 1, -1, 3],
[ 4, -1, 6]])
但是為什么這段代碼不會更改為-1元素(0和2列)?
>>> a[:, [0, 2]].flat[:] = np.array([-1, -1])
>>> a
array([[ 1, -1, 3],
[ 4, -1, 6]])
以及如何編寫代碼,使其變成這樣的0和2列的-1元素?
UPD:在我的示例中必須使用flat
或smt類似
UPD2:我根據以下代碼制作了有問題的示例:
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代碼分配給xor掩碼后,可以正常工作,但是如果channel == [1,2]或smt這樣,則不會發生分配
在第一個示例中,通過展平切片不會改變形狀,實際上
python
Numpy不會創建新對象。 因此,分配給扁平化切片就像分配給實際切片一樣。 但是通過展平2D數組,您可以更改形狀,因此numpy會復制它。
同樣,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]])
正如其他人指出的那樣, .flat
可能會創建原始矢量的副本,因此對它的任何更新都將丟失。 但是,對1D切片進行flat
很好,因此您可以使用for
循環更新多個索引。
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
請注意,您不需要使用flat[:]
:僅使用flat
就足夠了(並且可能更有效)。
您只需from a[:, [0, 2]].flat[:] += 100
刪除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]])
但是您說這是有必要的...您能不能只是reshape
要添加到初始數組的內容,而不是使用flat
?
第二個索引調用復制數組,而第一個返回對該數組的引用:
>>> 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])
似乎當您希望以flat
方式迭代的元素不相鄰時,numpy會在數組副本上進行迭代。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.