分配给二维 NumPy 数组的切片

Question

我想将0 分配给二维数组的不同长度切片。

例子：

import numpy as np    

arr = np.array([[1,2,3,4],
                [1,2,3,4],
                [1,2,3,4],
                [1,2,3,4]])

idxs = np.array([0,1,2,0])

鉴于上述数组arr 和索引idxs，您如何分配给不同长度的切片。这样的结果是：

arr = np.array([[0,2,3,4],
                [0,0,3,4],
                [0,0,0,4],
                [0,2,3,4]])

这些不起作用

slices = np.array([np.arange(i) for i in idxs])
arr[slices] = 0

---

arr[:, :idxs] = 0

Answer 1

这是一个稀疏解决方案，在只有一小部分位置应该归零的情况下可能很有用：

>>> idx = idxs+1
>>> I = idx.cumsum()
>>> cidx = np.ones((I[-1],), int)
>>> cidx[0] = 0
>>> cidx[I[:-1]]-=idx[:-1]
>>> cidx=np.cumsum(cidx)
>>> ridx = np.repeat(np.arange(idx.size), idx)
>>> arr[ridx, cidx]=0
>>> arr
array([[0, 2, 3, 4],
       [0, 0, 3, 4],
       [0, 0, 0, 4],
       [0, 2, 3, 4]])

解释：我们需要构造我们想要放零的位置的坐标。

行索引很简单：我们只需要从 0 到 3 重复每个数字来填充相应的切片。

列索引从 0 开始，并且大部分时间递增 1。因此，为了构造它们，我们在大多数情况下使用 cumsum。仅在每个新行的开头我们必须重置。我们通过减去相应切片的长度来做到这一点，例如取消我们在该行中求和的那些。

Answer 2

import numpy as np

arr = np.array([[1, 2, 3, 4],
                [1, 2, 3, 4],
                [1, 2, 3, 4],
                [1, 2, 3, 4]])

idxs = np.array([0, 1, 2, 0])

for i, idx in enumerate(idxs):
    arr[i,:idx+1] = 0

Answer 3

这就是诀窍：

import numpy as np    

arr = np.array([[1,2,3,4],
               [1,2,3,4],
               [1,2,3,4],
               [1,2,3,4]])
idxs = [0,1,2,0]
for i,j in zip(range(arr.shape[0]),idxs):
  arr[i,:j+1]=0

Answer 4

您可以使用广播比较来生成掩码，并相应地索引到arr：

arr[np.arange(arr.shape[1]) <= idxs[:, None]] = 0

print(arr) 
array([[0, 2, 3, 4],
       [0, 0, 3, 4],
       [0, 0, 0, 4],
       [0, 2, 3, 4]])