如何安全地將整數矩陣預分配為numpy中的索引矩陣

Question

我想預分配一個整數矩陣來存儲在迭代中生成的索引。 在MATLAB中，這可以通過for循環之前的IXS = zeros(r,c)來獲得，其中r和c是行數和列數。 因此for可以將后續for循環中的所有索引分配給IXS以避免動態分配。 例如，如果我不小心在代碼中選擇了0，這是錯誤地選擇這些索引以從矩陣中選擇元素的方式，則可能會出現錯誤。

但是在numpy中，0或其他負值也可以用作索引。 例如，如果我預分配IXS如IXS=np.zeros([r,c],dtype=int)在numpy的。 在for循環中，可以通過MATLAB中的X(:,IXS(IXS~=0))獲得先前分配給IXS的索引所指定的子矩陣，但是如果我在同一行中執行選擇，則第一行/列可能會丟失在numpy的方式。

此外，在具有大型矩陣運算的大型程序中，預分配對於加快計算速度很重要，而且由於在MATLAB中可以選擇0，因此很容易定位因錯誤索引而引起的錯誤。 在numpy中，如果我通過錯誤的n選擇X[:,IXS[:n]]的數組，則不會發生錯誤。 我必須花很多時間檢查錯誤在哪里。 更糟糕的是，如果最終結果不是那么奇怪，我可能會忽略此錯誤。 這總是在我的程序中發生。 因此，我不得不一次又一次地調試代碼。

我想知道是否有安全的方法在numpy中預分配這樣的索引矩陣？

Answer 1

如何用明顯太大的值填充索引數組：

In [156]: x=np.array([1,2,3,4,5])
In [157]: idx=np.full(6,999,dtype=int)
In [158]: idx[:3]=[1,0,4]
In [159]: idx
Out[159]: array([  1,   0,   4, 999, 999, 999])
In [160]: x[idx[:3]]
Out[160]: array([2, 1, 5])
In [161]: x[idx[:4]]
...
IndexError: index 999 is out of bounds for axis 1 with size 5

Answer 2

numpy中等效於matlb的zeros是numpy.zeros ：

返回給定形狀和類型的新數組，並用零填充。

Answer 3

如果您真的想以這種方式捕獲錯誤，請使用NaN初始化索引。

IXS=np.full((r,c),np.nan, dtype=int)

這將始終引發IndexError 。

Answer 4

使用numpy.ma.masked_array

IXS=np.ma.masked_values(np.zeros((3,4),dtype=int),0)

masked_array(data =
 [[-- -- -- --]
 [-- -- -- --]
 [-- -- -- --]],
             mask =
 [[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]],
       fill_value = 0)

現在，如果您設置一個值，則可以將其用作索引：

a=np.arange(10)
IXS[2,2]=5
a[IXS[2,2]]

5

但是，如果您不這樣做：

IXS[0,0]

masked

a[IXS[0,0]]

IndexError: arrays used as indices must be of integer (or boolean) type