如何在python中用另一个numpy数组索引一个numpy数组答案

【问题标题】：How to index a numpy array with another numpy array in python如何在python中用另一个numpy数组索引一个numpy数组
【发布时间】：2021-04-28 15:19:55
【问题描述】：

我正在尝试用另一个数组索引一个 np.array，这样我可以在某个索引之后的任何地方都有零，但它给了我错误

TypeError：只有整数标量数组可以转换为标量索引

基本上我希望我的代码做的是，如果我有：

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
d = np.array([2, 1, 3])

我可以做类似的事情

a[d:] = 0

给出输出

a = [[ 1  2  3]
     [ 4  0  6]
     [ 0  0  9]
     [ 0  0  0]]

【问题讨论】：

在d: 表达式中，d 必须是标量、单个值，而不是数组！
是的，我知道，但我希望我可以用数组做一些事情，因为我想要使用多个值

标签： python arrays numpy indexing

【解决方案1】：

可以通过数组索引来完成，但感觉不太自然。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
d = np.array([2, 1, 3])

col_ix = [ 0, 0, 1, 1, 1, 2 ]  # column ix for each item to change                                   
row_ix = [ 2, 3, 1, 2, 3, 3 ]  # row index for each item to change

a[ row_ix, col_ix ] = 0

a 
# array([[1, 2, 3],
#        [4, 0, 6],
#        [0, 0, 9],
#        [0, 0, 0]])

带有for循环

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

for ix_col, ix_row in enumerate( d ):  # iterate across the columns
    a[ ix_row:, ix_col ] = 0

a 
# array([[1, 2, 3],
#        [4, 0, 6],
#        [0, 0, 9],
#        [0, 0, 0]])

【讨论】：

是的，你是对的，感觉不自然我认为我应该对我正在尝试的事情采取不同的方法。我有一个更复杂的数组，我想在这里应用我的想法，所以如果它不适用于小数组，我就没有机会使用更大的数组！

【解决方案2】：

解决这类问题的一种广泛使用的方法是构造一个布尔掩码，将索引数组与适当的arange 进行比较：

In [619]: mask = np.arange(4)[:,None]>=d
In [620]: mask
Out[620]: 
array([[False, False, False],
       [False,  True, False],
       [ True,  True, False],
       [ True,  True,  True]])
In [621]: a[mask]
Out[621]: array([ 5,  7,  8, 10, 11, 12])
In [622]: a[mask] = 0
In [623]: a
Out[623]: 
array([[1, 2, 3],
       [4, 0, 6],
       [0, 0, 9],
       [0, 0, 0]])

这不一定比行（或在本例中为列）迭代快。由于切片是基本索引，因此即使执行多次，它也可能会更快。

In [624]: for i,v in enumerate(d):
     ...:     print(a[v:,i])
     ...: 
[0 0]
[0 0 0]
[0]

一般来说，如果一个结果涉及多个不同长度的数组或列表，则没有“整洁”的多维解决方案。要么遍历这些列表，要么退后一步“跳出框框思考”。

【讨论】：