主页 / coding / 问题 / 76923255
Accepted
E. V. Hadzen
Asked: 2023-08-18 00:06:02 +0800 CST

使用索引数组将 numpy 数组广播为更大尺寸的数组

  • 772

我有一个非常大的 2D numpy 数组 (A) 和一个较小的 2D 数组 (B)，它的两个维度都较小。B是正方形。我有一个与 B 长度相同的索引数组。如下所示：

A = np.array([[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, 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, 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]])
B = np.array([[2, 4, 5, 7],
              [2, 7, 1, 3],
              [6, 1, 3, 5],
              [1, 6, 3, 2]])
Index = np.array([0, 1, 5, 6])

我想将B的内容添加到Index定义的行和列中的A中。A不一定全是0，所以需要加法。结果如下：

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

我尝试这样做：

A[Index, Index] += B

这给了我以下错误ValueError: shape mismatch: value array of shape (4,4) could not be broadcast to indexing result of shape (4,)

我不明白为什么这不起作用，因为我可以这样做：

A[Index, Index[0]:Index[0]+4] = B

然后值将全部出现在正确的行中，但不会出现在正确的列中。这是有道理的，因为我只是给它一个 4 列的块来让它出现在其中，但我希望它出现在 Index 定义的列中。

我还尝试了 np.add.at(A[Index], Index, B) 这让我觉得IndexError: index 6 is out of bounds for axis 0 with size 4.我不明白为什么它尝试访问 B 中的索引 6，其大小为 4。

numpy

2 个回答

  1. Best Answer

    数组索引使用broadcasting. 使用 2 (4,) 数组作为索引，产生 s (4,) 形状结果：

    In [205]: A[Index,Index].shape
Out[205]: (4,)

In [206]: np.ix_(Index,Index)
Out[206]: 
(array([[0],
        [1],
        [5],
        [6]]),
 array([[0, 1, 5, 6]]))

    ix_生成 (4,1) 和 (1,4) 数组。这些一起广播以索引 (4,4) 形状：

    In [207]: A[np.ix_(Index,Index)].shape
Out[207]: (4, 4)

    与您的匹配B：

    In [208]: A[np.ix_(Index,Index)] = B

    有一个主要的 numpy 索引页面，这些细节在 参考资料advanced indexing部分中处理。

    • 2

  2. 您可以尝试使用np.repeat()在行轴上重复索引，并np.tile()在列轴上重复索引。

    这将为您提供具有以下模式的索引：

    >>> np.repeat(Index, index_len), np.tile(Index, index_len)
(array([0, 0, 0, 0, 1, 1, 1, 1, 5, 5, 5, 5, 6, 6, 6, 6]),
 array([0, 1, 5, 6, 0, 1, 5, 6, 0, 1, 5, 6, 0, 1, 5, 6]))

    然后，您可以用它来索引 A。

    index_len = len(Index)
A[np.repeat(Index, index_len), np.tile(Index, index_len)] = B.flatten()

    （B.flatten()这是必需的，因为左侧的形状也被展平。）

    结果：

    array([[2, 4, 0, 0, 0, 5, 7, 0, 0],
       [2, 7, 0, 0, 0, 1, 3, 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, 0],
       [6, 1, 0, 0, 0, 3, 5, 0, 0],
       [1, 6, 0, 0, 0, 3, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0]])
    • 0

相关问题