NumPy数组中的列表索引多切片

Question

Numpy数组可以接受一个索引列表，例如

a = np.arange(1000)
l = list([1,44,66,33,90,345])
a[l] = 22

但是如果我们想要使用多个切片索引或索引加切片，那么这种方法就不起作用了。

a = np.arange(1000)
l = list([1,44,66,33,90, slice(200,300) , slice(500,600) ])
a[l] = 22

这段代码返回一个错误信息：

IndexError: too many indices

我的问题很简单： 您是否知道在 numpy 或 scipy 中是否存在一种有效的方法来使用这种类型的索引？ 或者有没有一种好的、高效的方式来使用类似这样的索引方法？ 不要忘记，使用切片可以产生非常快速的代码；而我的问题是尽可能地使代码更快。

- Giggi

---

了解如何循环遍历这个问题是有帮助的。你在开始时知道什么，每次迭代中只知道什么？问题还有哪些其他限制条件？ - Henry Gomersall

Answer 1

我的想法是：

a = np.arange(1000)
l = np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))
a[l] = 22

我不确定这是否是最简单的方法，但它可以工作。

编辑：你说得对，这比使用切片慢；但是你不能创建具有任意值的切片对象。也许你应该只做几个赋值操作：

%timeit a[np.hstack(([1, 44, 66, 33, 90], np.arange(200, 300), np.arange(500, 600)))] = 22
10000 loops, best of 3: 39.5 us per loop

%timeit a[[1, 44, 66, 33, 90]] = 22; a[200:300] = 22; a[500:600] = 22
100000 loops, best of 3: 18.4 us per loop

- Lev Levitsky

---

但是这种方法不使用切片，而切片相对于数组索引非常快。它可以工作，但效率不高。 - Giggi

@Giggi 正确；已编辑。虽然我不知道是否有办法实现您想要的功能。 - Lev Levitsky

Answer 2

你可以使用高级索引来构建索引列表。

l = numpy.array([1,44,66,33,90]+range(200,300)+range(500,600))
a[l] = 22

但是正如@Lev指出的那样，这可能不会更快（尽管如果您可以预先计算索引列表，则几乎肯定会更快）。

但是，花式索引逐轴应用。因此，如果有帮助的话，您可以在一个轴上进行花式索引，并对其他轴进行切片：

a = numpy.random.randn(4, 5, 6)
l = numpy.array([1, 2])
a[l, slice(None), slice(2, 4)] = 10

- Henry Gomersall