NumPy多重切片布尔值

Question

我在编辑numpy数组中的值方面遇到了困难。

import numpy as np
foo = np.ones(10,10,2)

foo[row_criteria, col_criteria, 0] += 5
foo[row_criteria,:,0][:,col_criteria] += 5

"row_criteria"和"col_criteria"是布尔数组（1D）。在第一种情况下，我得到一个“形状不匹配：无法将对象广播到单个形状”的错误。在第二种情况下，"+=5"根本没有被应用。当我这样做时。

foo[row_criteria,:,0][:,col_criteria] + 5

我得到了一个修改后的返回值，但是在原地修改似乎不起作用...有人能解释一下如何修复吗？谢谢！

- ejang

---

foo是一个一维数组，你为什么要尝试引用三个维度？ - Cameron Sparr

抱歉，那是一个打错的字 - 我会快速更改为3D数组。 - ejang

Answer 1

您需要：

foo[np.ix_(row_criteria, col_criteria, [0])] += 5

为了理解这个过程，可以举这个例子：

import numpy as np
A = np.arange(25).reshape([5, 5])
print A[[0, 2, 4], [0, 2, 4]]
# [0, 12, 24]

# The above example gives the the elements A[0, 0], A[2, 2], A[4, 4]
# But what if I want the "outer product?" ie for [[0, 2, 4], [1, 3]] i want
# A[0, 1], A[0, 3], A[2, 1], A[2, 3], A[4, 1], A[4, 3]
print A[np.ix_([0, 2, 4], [1, 3])]
# [[ 1  3]
#  [11 13]
#  [21 23]]

同样的方法也适用于布尔索引。此外，np.ix_并没有什么特别神奇的地方，它只是重新塑造其参数，以便可以相互广播：

i, j = np.ix_([0, 2, 4], [1, 3])
print i.shape
# (3, 1)
print j.shape
# (1, 2)

- Bi Rico

---

谢谢。但是为什么布尔数组不能返回我期望的相同视图？ - ejang

因为你期望的是“外积”类型的视图。当你谈论布尔索引时，“外积”视图可能是更有用的一种，但在numpy中的默认是按元素索引。因为numpy支持多种类型的索引和广播，所以通过ix_函数实现“外积”索引非常容易，而默认使用逐元素索引似乎是合理的选择。但不管是不是合理的，numpy都是默认使用逐元素索引。 - Bi Rico