Python numpy 数组整数索引平面切片分配

Question

正在试验 numpy 并发现这种奇怪的行为。 此代码工作正常：

>>> a = np.array([[1, 2, 3], [4, 5, 6]])    
>>> a[:, 1].flat[:] = np.array([-1, -1])
>>> a 
array([[ 1, -1,  3],
       [ 4, -1,  6]])

但是为什么这段代码没有更改为 0 和 2 列的 -1 元素呢？

>>> a[:, [0, 2]].flat[:] = np.array([-1, -1])
>>> a 
array([[ 1, -1,  3],
       [ 4, -1,  6]])

以及如何编写代码，以便像这样更改为 0 和 2 列的 -1 元素？

UPD：在我的示例中必须使用 flat 或类似的 smt

UPD2：我根据这段代码做了一个有问题的例子：

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)

并且在使用通道 == 0 或 1 或 2 代码分配给 xor 掩码后可以正常工作，但如果通道 == [1,2] 或像这样的 smt，则不会发生分配

Answer 1

正如其他人指出的那样，.flat 可能会创建原始向量的副本，因此对其进行的任何更新都会丢失。但是flattening 一维切片很好，因此您可以使用for 循环来更新多个索引。

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

请注意，您不需要使用flat[:]：只需flat 就足够了（而且可能更有效）。

Answer 2

您可以删除 flat[:] from a[:, [0, 2]].flat[:] += 100:

>>> 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]])

但你说这是必要的......难道你不能只是 reshape 尝试添加到初始数组而不是使用 flat 吗？

第二个索引调用创建数组的副本，而第一个返回对它的引用：

>>> 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])

看起来，当您希望在 flat maner 中迭代的元素不相邻时，numpy 会在数组的副本上生成一个迭代器。

Answer 3

在第一个示例中，通过展平切片您不会更改形状，实际上 python Numpy 不会创建新对象。所以分配给扁平切片就像分配给实际切片。但是通过展平二维数组，您正在改变形状，因此 numpy 会复制它。

你也不需要展平你的切片来添加它：

In [5]: a[:, [0, 2]] += 100

In [6]: a
Out[6]: 
array([[101,   2, 103],
       [104,   5, 106]])