修改由列表索引的多维 numpy 子数组答案

【问题标题】：Modifying multidimensional numpy subarrays indexed by lists修改由列表索引的多维 numpy 子数组
【发布时间】：2013-03-23 06:31:33
【问题描述】：

假设我有一个 4x4 numpy 数组：quad = arange(16).reshape(4,4)，即

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]

我想用值改变元素，

[[ 5  7]
 [ 9 11]]

到（例如），

[[16 17]
 [18 19]]

我最初的猜测是我可以做类似的事情，

quad[[1,3],[1,3]] = np.arange(16,20).reshape(2,2)

但这不起作用，因为quad[[1,3],[1,3]] 实际上产生了对应于 [5,11] 的元素。我发现我可以使用quad[[1,3]][:,[1,3]]查看适当的元素，但我不能用它来修改这些值。

是使用for 循环的唯一解决方案吗？

【问题讨论】：

标签： python arrays numpy indexing scipy

【解决方案1】：

你可以这样做：

quad[np.ix_([1, 3], [1, 3])]

这是以下的简写：

x = [[1, 1], [3, 3]]
y = [[1, 3], [1, 3]]
quad[x, y]

【讨论】：

【解决方案2】：

这是 Numpy 中 integer indexing 的行为。如果您将 N 维数组 A 的元组 (m_1...m_n) 作为 N 维数组的索引，其大小为 M，则切片构造为

result[m_1, ..., m_n] == np.array([A[m_1[0], ..., m_n[0]], A[m_1[1], ..., m_n[1]],
                           ..., A[m_1[M], ..., m_n[M]]]

要克服这种行为，您可以使用切片索引两次：

>>> a = np.arange(16).reshape(4,4)
>>> a[1:3][:,1:3]
array([[ 5,  6],
       [ 9, 10]])

UPD：您可以修改此视图：

>>> b = np.arange(16,20).reshape(2,2)
>>> b
array([[16, 17],
       [18, 19]])
>>> a[1:3][:,1:3] = b
>>> a
array([[ 0,  1,  2,  3],
       [ 4, 16, 17,  7],
       [ 8, 18, 19, 11],
       [12, 13, 14, 15]])

【讨论】：

感谢您的回答！在您回答时，我稍微修改了我的问题，我很抱歉——我实际上需要修改给定的值，这种技术似乎不允许