Python Numpy 2D数组索引

Python Numpy 2D数组索引

In [1]: import numpy as npIn [2]: a = np.array([[2,0],[3,0],[3,1],[5,0],[5,1],[5,2]])In [3]: b = np.zeros((6,3), dtype='int32')In [4]: b[a[:,0], a[:,1]] = 10In [5]: bOut[5]: array([[ 0,  0,  0],       [ 0,  0,  0],       [10,  0,  0],       [10, 10,  0],       [ 0,  0,  0],       [10, 10, 10]])

---

工作原理：

如果您在工作分配中

b

使用 两个 numpy数组建立索引，

b[x, y] = z

然后认为NumPy的作为过的各元件同时移动

x

和中的每个元素

y

和中的每个元素

z

（我们称它们

xval

，

yval

和

zval

），并分配至b
[XVAL，利用yval]的值

zval

。当

z

为常数时，“

z

每次移动仅返回相同的值。

这就是我们想要的，与

x

作为第一列

a

和

y

是第二列

a

。因此，选择

x = a[:, 0]

和

y = a[:, 1]

。

b[a[:,0], a[:,1]] = 10

---

为什么

b[a] = 10

不起作用

当你写

b[a]

，认为NumPy的，如通过的每一个元素移动在创造一个新的数组

a

，（我们称之为每一个

idx

）和新的阵列中放置的价值

b[idx]

在的位置

idx

中

a

。

idx

是中的值

a

。所以它是一个int32。

b

形状为（6,3），

b[idx]

一行

b

形状为（3，）。例如，何时

idx

是

In [37]: a[1,1]Out[37]: 0

b[a[1,1]]

是

In [38]: b[a[1,1]]Out[38]: array([0, 0, 0])

所以

In [33]: b[a].shapeOut[33]: (6, 2, 3)

因此，让我们再次重申：NumPy的是通过创建的每个元素移动在新的阵列

a

和新阵列中放置的价值

b[idx]

在的位置

idx

中

a

。随着

idx

移动

a

，将创建形状为（6,2）的数组。但是由于

b[idx]

形状本身为（3，），因此在（6,2）形数组中的每个位置都放置了（3，）形值。结果是形状（6,2,3）的数组。

现在，当您进行类似

b[a] = 10

b[a]

创建具有值的形状（6,2,3）的临时数组，然后执行分配。由于10是常数，因此此赋值将值10放置在（6,2,3）形数组中的每个位置。然后，将临时数组中的值重新分配给

b

。请参阅参考文档。因此，将（6,2,3）形数组中的值复制回（6,3）形

b

数组中。值彼此覆盖。但要点是您没有获得所需的任务。