如何创建一个 numpy N 维零数组，只有一个元素等于 1？

Question

是否有一种简短的单行方法来创建 numpy 数组（可能有多个维度），该数组在某个位置有一个，而在所有其他位置都为零？对于一维数组，可以执行以下操作来创建一个在 k^{th} 位置上具有 1 的数组：

np.eye(1, N, k = k)

如何将其推广到更高维的情况？

Answer 1

例如，如果您需要一个索引为 (2, 3) 的 1 的 3x5 矩阵，只需创建一个一维数组，然后对其进行整形：

M, N = 3, 5
i, j = 2, 3
np.eye(1, M * N, k=(i+1) * M + j).reshape(M, N)

array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0.]])

了解 每个 多维 numpy 数组在内部表示为一维数组可能会有所帮助，并带有一些包装逻辑来处理步幅和索引。这意味着这里的解决方案也可以通过适当的算术推广到任何维度。这是一个概括：

def make_nd_array_with(dims, index):
    return (np.eye(1, 
                   np.prod(dims), 
                   k=(((np.array(index[:-1]) + 1) * dims[:-1]).sum() + index[-1]))
              .reshape(*dims))

make_nd_array_with((M,N), (i,j))

array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0.]])

请注意，这解决了您希望在一行中执行此操作的限制，但通常规范的解决方案是创建一个零数组并设置单个值，正如 cmets 和 other answer 提到的那样。

arr = np.zeros(M, N)
arr[i, j] = 1

Answer 2

与使用eye 或reshape 相比，只需编写一个调用zeros 并设置所需元素的函数要清楚得多：

def mostly_zeros(shape, nonzero_position, dtype=float, nonzero_element=1):
    retval = numpy.zeros(shape, dtype=dtype)
    retval[nonzero_index] = nonzero_element
    return retval

然后你可以调用mostly_zeros(shape=(4, 5), nonzero_position=(2, 2)) 来获得一个形状几乎为零的数组(4, 5)，1.0 在位置(2, 2)。与eye 相比，这将少很多令人头疼的维护问题。

---

或者，您可以编写一个设置项目并返回数组的函数：

def chainable_setitem(obj, index, val):
    obj[index] = val
    return obj

然后您可以通过chainable_setitem(numpy.zeros((4, 5)), (2, 2), 1) 获得一个 4x5 数组，其中位置 2、2 为 1.0，其他位置为零。

Answer 3

既然您要求单线：

np.bincount([np.ravel_multi_index(pos,shp)],None,np.prod(shp)).reshape(shp)

例子

shp = 3,4
pos = 1,2
np.bincount([np.ravel_multi_index(pos,shp)],None,np.prod(shp)).reshape(shp)
# array([[0, 0, 0, 0],
#        [0, 0, 1, 0],
#        [0, 0, 0, 0]])

诚然，这对于简化为的一维来说要好得多

np.bincount([pos],None,length)

比nD