python - 使用索引替换二维 numpy 数组的一部分

Question

我正在尝试将名为“S”的二维 numpy 数组的一部分替换为 i 和 j 的函数。给定 S 为:

>>> S
Out[1]: 
array([[ 1.,  0.,  0.],
      [ 0.,  3.,  0.],
      [ 0.,  0.,  9.]]

对于 i= 0 和 j= 1，我可以使用以下语法访问元素行 i 和 j 以及列 i 和 j:

>>> S[:, [i, j]][[i, j], :]
Out[2]: 
array([[ 1.,  0.],
      [ 0.,  3.]])

现在，当我尝试用另一个相同维度的数组 (tmp_arr) 替换数组 S 的相同元素时，python 不会给出错误，但它也不会执行任何操作，这意味着 S 的元素保持不变并且没有错误消息显示。

>>> tmp_arr
Out[3]: 
array([[ 555.,  0.],
       [ 0.,  555.]])

>>> S[:, [i, j]][[i, j], :] = tmp_arr

我得到的是同一个矩阵:

>>> S
Out[4]: 
array([[ 1.,  0.,  0.],
      [ 0.,  3.,  0.],
      [ 0.,  0.,  9.]])

显然以下方法可行，但我正在寻找一个优雅的解决方案:

S[i, i] = tmp_arr[0, 0]
S[i, j] = tmp_arr[0, 1]
S[j, i] = tmp_arr[1, 0]
S[j, j] = tmp_arr[1, 1]

感谢您的评论和体验。

Answer 1

你可以使用 np.ix_构建所需的索引数组:

In [91]: S[np.ix_([i,j],[i,j])]
Out[91]: 
array([[1, 0],
       [0, 3]])

In [92]: tmp_arr = np.eye(2)*555

In [93]: tmp_arr
Out[93]: 
array([[ 555.,    0.],
       [   0.,  555.]])

In [94]: S[np.ix_([i,j],[i,j])] = tmp_arr

In [95]: S
Out[95]: 
array([[555,   0,   0],
       [  0, 555,   0],
       [  0,   0,   9]])

---

使用 np.ix_ 很适合对 S 进行赋值，但请注意，有更快的方法来选择子数组:

In [99]: %timeit S.take([i, j], axis=1).take([i, j], axis=0)
100000 loops, best of 3: 3.32 µs per loop
In [97]: %timeit S[:, [i, j]][[i, j], :]
100000 loops, best of 3: 8.8 µs per loop
In [96]: %timeit S[np.ix_([i,j],[i,j])]
100000 loops, best of 3: 13 µs per loop

但与这些其他方法不同，S[np.ix_(...)] = ... 不使用链式索引，因此S。 __setitem__ 被调用并且分配影响 S。相反，S[:, [i, j]] 返回 S 子数组的副本，因此分配给 S [:, [i, j]][[i, j], :] 只影响子数组的这个副本，而不影响 S 本身。由于没有维护子数组的这个副本的引用，Python 在赋值完成后丢弃了副本，因此赋值丢失了。这就是为什么链式索引不适合分配给 S。