如何在Numpy数组中设置单个索引

Question

我正在尝试使用数组来设置其他数组中的值。不幸的是，与其设置值，不如以某种方式覆盖一堆值。发生了什么，我如何实现我想要的？

>>> target = np.array( [ [0,1],[1,2],[2,3] ])

>>> target

array([[0, 1],

       [1, 2],

       [2, 3]])

>>> actions = np.array([0,0,0])

>>> target[actions] #The first row, 3 times

array([[0, 1],

       [0, 1],

       [0, 1]])

>>> target[:,actions] #The first column, 3 times

array([[0, 0, 0],

       [1, 1, 1],

       [2, 2, 2]])

>>> values = np.array([7,8,9])

>>> target[:,actions] = values #why isnt this working?

>>> target

array([[9, 1],

       [9, 2],

       [9, 3]])

#Actually want

#array([[7, 1],

#       [8, 2],

#       [9, 3]])

>>> target = np.array( [ [0,1],[1,2],[2,3] ]) #reset to original value

>>> actions = np.array([0,1,0])

>>> target[:,actions] = values.reshape(3, 1)

array([[7, 7],

       [8, 8],

       [9, 9]])

#Actually want

#array([[7, 1],

#       [1, 8],

#       [9, 3]])

Answer 1

target[:,actions]选择同一列target三次。当您说时target[:,actions] = values，您正在做的是：将7分配给该列中的所有值，三次。将8分配给该列中的所有值，三次。将9分配给该列中的所有值，三次。因此，您在该列中的所有值中最终得到9。如果您坚持要进行这种笨拙的三重数据写入，则可以通过转置写入来解决此问题：target[:,actions] = values.reshape(3, 1)这将写入[7,8,9]该列三次。显然这很浪费，您可以改为执行以下操作：target[:,actions[-1]] = values效果应该相同，并且可以节省计算量。

Answer 2

将[7,8,9]写入第一列的2种方法：基本索引（带切片）：In [396]: target[:,0] = [7,8,9]           # all rows, 1st columnIn [397]: targetOut[397]: array([[7, 1],       [8, 2],       [9, 3]])高级索引（带有2个列表）In [398]: target[[0,1,2],[0,0,0]] = [7,8,9]   # pair [0,0],[1,0],[2,0]In [399]: targetOut[399]: array([[7, 1],       [8, 2],       [9, 3]])第二种方法也适用于混合列：In [400]: target = np.array( [ [0,1],[1,2],[2,3] ])In [401]: target[[0,1,2],[0,1,0]] = [7,8,9]In [402]: targetOut[402]: array([[7, 1],       [1, 8],       [9, 3]])广播发挥作用。在这种情况下，有3个可能要广播的数组-2维和源数组。像这样的高级索引将生成一维数组。因此，源数组必须匹配：In [403]: target[[0,1,2],[0,1,0]]Out[403]: array([7, 8, 9])（1,3）可以广播到（3，），但是（3,1）不能：In [404]: target[[0,1,2],[0,1,0]] = np.array([[7,8,9]])In [405]: target[[0,1,2],[0,1,0]] = np.array([[7,8,9]]).T...ValueError: shape mismatch: value array of shape (3,1) could not be broadcast to indexing result of shape (3,)这种索引是不寻常的。请注意，结果为（3,3）。In [412]: target[:,[0,0,0]]Out[412]: array([[0, 0, 0],       [1, 1, 1],       [2, 2, 2]])（3,1）来源：In [413]: np.array([[7,8,9]]).TOut[413]: array([[7],       [8],       [9]])In [414]: target[:,[0,0,0]] = _In [415]: targetOut[415]: array([[7, 1],       [8, 2],       [9, 3]])（3,1）可以广播到（3,3）。它可以工作，但最终将[7,8,9]分配了3次，全部分配给相同的0列。分配第一列的另一种方法：In [423]: target[np.ix_([0,1,2],[0,0,0])]Out[423]: array([[0, 0, 0],       [1, 1, 1],       [2, 2, 2]])同样，（3,3）与接受（3,1）：In [424]: target[np.ix_([0,1,2],[0,0,0])] = np.array([[7,8,9]]).TIn [425]: targetOut[425]: array([[7, 1],       [8, 2],       [9, 3]])ix_ 制作2个可以互相广播的数组，在这种情况下为列向量和第1行：In [426]: np.ix_([0,1,2],[0,0,0])Out[426]: (array([[0],        [1],        [2]]), array([[0, 0, 0]]))我可以选择targetwith的所有元素：In [430]: target[np.ix_([0,1,2],[0,1])]Out[430]: array([[0, 1],       [1, 2],       [2, 3]])并按照混乱的顺序排列：In [431]: target[np.ix_([2,0,1],[1,0])]Out[431]: array([[3, 2],       [1, 0],       [2, 1]])

Answer 3

我无法使用:索引来使其工作，但是以下内容通过使用索引数组而起作用。不知道为什么该:方法不起作用，如果有人可以提出一种解决方法，我会接受。>>> target = np.array( [ [0,1],[1,2],[2,3] ])>>> rows = np.arange(target.shape[0])>>> actions = np.array([0,1,0])>>> values = np.array([7,8,9])>>> target[rows,actions] = values>>> targetarray([[7, 1],       [1, 8],       [9, 3]])