Python numpy數組整數索引平面切片分配

Question

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

Answer 1

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]])

Answer 2

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）。

Answer 3

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。