Python numpy數組整數索引平片分配

正在試驗numpy並發現這種奇怪的行爲。此代碼工作正常：Python numpy數組整數索引平片分配

>>> a = np.array([[1, 2, 3], [4, 5, 6]])  
>>> a[:, 1].flat[:] = np.array([-1, -1]) 
>>> a 
array([[ 1, -1, 3], 
     [ 4, -1, 6]])

但是，爲什麼這個代碼不更改爲0-1元和2列？

>>> a[:, [0, 2]].flat[:] = np.array([-1, -1]) 
>>> a 
array([[ 1, -1, 3], 
     [ 4, -1, 6]])

以及如何編寫代碼，以便更改爲像這樣的0和2列的-1元素？

UPD：使用類似flat或SMT的就一定是在我的例子

UPD2：我有問題築底就這一代碼示例：

img = imread(img_name) 
xor_mask = np.zeros_like(img, dtype=np.bool) 
# msg_bits looks like array([ True, False, False, ..., False, False, True], dtype=bool) 
xor_mask[:, :, channel].flat[:len(msg_bits)] = np.ones_like(msg_bits, dtype=np.bool)

而轉讓後，異或的通道掩碼== 0或1或2的代碼工作正常，但如果通道== [1,2]或smt這樣，分配不會發生

來源

2016-10-12 KgOfHedgehogs

目前尚不清楚*爲什麼*您需要使用'flat'。正如下面已經回答的那樣，'flat'可能會創建一個副本，因此您的更新可能不會更改原始數組。解釋爲什麼你需要「平坦」，也許你可以得到一個解決方案。 – lbolla

@lbolla更新了問題 – KgOfHedgehogs

@ЮраМахоткин似乎你被困在['XY問題']（http://meta.stackexchange.com/questions/66377/what-is-the-xy-problem）。 – Divakar

正如其他人指出.flat可能會創建一個原始矢量的副本，所以它的任何更新都將丟失。但flat tening一維切片是好的，所以你可以使用for循環來更新多個索引。

import numpy as np 

a = np.array([[1, 2, 3], [4, 5, 6]]) 
a[:, 1].flat = np.array([-1, -1]) 
print a 

# Use for loop to avoid copies 
for idx in [0, 2]: 
    a[:, idx].flat = np.array([-1, -1]) 
print a

請注意，您不需要使用flat[:]：剛剛flat是不夠的（也可能更有效）。

來源

2016-10-12 10:21:40 lbolla

它是循環解決我的問題的唯一方法嗎？ – KgOfHedgehogs

有什麼不喜歡它？ – lbolla

什麼也沒有，但我正在學習numpy，並期望這種情況下的一些numpy構造 – KgOfHedgehogs

在第一個例子中，通過展平切片，您不會更改形狀，實際上 ~~python~~ Numpy不會創建新對象。所以分配到扁平切片就像分配給實際切片一樣。但通過展平一個二維數組，你正在改變形狀，因此numpy製作了一個副本。

你也不必彙整片要添加到它：

In [5]: a[:, [0, 2]] += 100 

In [6]: a 
Out[6]: 
array([[101, 2, 103], 
     [104, 5, 106]])

來源

2016-10-12 09:40:10 Kasramvd

這個例子來自其他問題，必須使用'flat'。你能解釋如何處理'扁平'嗎？ – KgOfHedgehogs

@ЮраМахоткин請將用例添加到問題中，這很難回答。 – Kasramvd

你可以只取出flat[:]from a[:, [0, 2]].flat[:] += 100：

>>> import numpy as np 
>>> a = np.array([[1, 2, 3], [4, 5, 6]]) 
>>> a[:, 1].flat[:] += 100 
>>> a 
array([[ 1, 102, 3], 
     [ 4, 105, 6]]) 
>>> a[:, [0, 2]] += 100 
>>> a 
array([[101, 102, 103], 
     [104, 105, 106]])

但是你說有必要...無論您試圖添加到初始數組而不是使用flat，您都不能使用reshape嗎？

第二索引調用使該陣列的一個副本，而第一返回到它的引用：

>>> import numpy as np 
>>> a = np.array([[1, 2, 3], [4, 5, 6]]) 
>>> b = a[:,1].flat 
>>> b[0] += 100 
>>> a 
array([[ 1, 102, 3], 
     [ 4, 5, 6]]) 
>>> b =a[:,[0,2]].flat 
>>> b[0] 
1 
>>> b[0] += 100 
>>> a 
array([[ 1, 102, 3], 
     [ 4, 5, 6]]) 
>>> b[:] 
array([101, 3, 4, 6])

似乎當要在一個flat馬納在迭代中的元素是不相鄰的numpy的品牌一個迭代器在數組的副本上。

來源

2016-10-12 10:02:41 berna1111

Python numpy數組整數索引平片分配

回答

相關問題