使用索引对更新 2D numpy 数组，无需迭代

Question

可重复设置

我有一个 n 对索引的数组：

indexarray=\
np.array([[0,2,4,6],
          [1,3,5,7]])

我还有一个二维数组：

zeros = np.zeros((10,9))

和 n 个值的列表：

values = [1,2,3,4]

我想将values 列表中的每个第 k 个元素添加到 zeros 列表中的索引等于第 k 个索引对的元素

解决方案

# works, but for loop is not suitable for real-world use-case
for index, (row, col) in enumerate(indexarray.T):
    zeros[row, col] = values[index]

想象一下我得到了什么：

plt.imshow(zeros)

结果符合预期。

如何在没有迭代的情况下做到这一点？

---

类似但不同的问题：

• Index 2D numpy array by a 2D array of indices without loops ：这里的输出是索引对数组，而不是二维数组，就像这里一样。
• Fill 2D numpy array from three 1D numpy arrays : 设置更复杂，他们从一维数组创建一个二维数组，不像这里，我们已经有一个二维数组
• numpy arrays: filling and extracting data quickly : 设置更复杂，不要从二维数组开始
• How to convert List of Lists of Tuples- pairs (index,value) into 2D numpy array : 目的不同，不能避免 for 循环

Answer 1

简单使用：

import numpy as np

indexarray = np.array([[0, 2, 4, 6],
                       [1, 3, 5, 7]])
values = [1, 2, 3, 4]

rows, cols = indexarray[0], indexarray[1]

zeros = np.zeros((10, 9))
zeros[rows, cols] = values

print(zeros)

输出

[[0. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 2. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 3. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 4. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]]

将重复坐标加在一起的另一种方法是使用add.at：

np.add.at(zeros, (rows, cols), values)

第二种选择是使用稀疏矩阵构造函数，例如：

from scipy.sparse import csr_matrix
rows, cols = indexarray[0], indexarray[1]
zeros = csr_matrix((values, (rows, cols)), shape=(10, 9)).toarray()

输出

[[0 1 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 2 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 3 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 4 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]]

Answer 2

您可以在索引中直接使用indexarray。

r, c = indexarray
zeros[r, c] = values

Answer 3

你可以简单地使用：

zeros[indexarray[0], indexarray[1]] = values