用一维列索引数组切片并填充二维数组

Question

首先，这是我正在尝试做的一维模拟..

假设我有一个 0 的一维数组，我想用 1 替换索引 2 开始的每个 0。我可以这样做：

import numpy as np

x = np.array([0,0,0,0])

i = 2

x[i:] = 1

print(x)  # [0 0 1 1]

现在，我试图找出这个操作的 2d 版本。首先，我有一个 5x4 的 0 数组，例如

foo = np.zeros(shape = (5,4))

[[0. 0. 0. 0.]

 [0. 0. 0. 0.]

 [0. 0. 0. 0.]

 [0. 0. 0. 0.]

 [0. 0. 0. 0.]]

以及相应的 5 元素列索引数组，例如

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

对于 foo 的每一行，我想i:用 1 填充列，其中.i给出的索引是fill_locs. foo[fill_locs.reshape(-1, 1):] = 1感觉不错，但不起作用。

我想要的输出应该看起来像

expected_result = np.array([

    [1, 1, 1, 1],

    [0, 0, 0, 1],

    [0, 1, 1, 1],

    [0, 1, 1, 1],

    [0, 0, 1, 1],

])

Answer 1

您不需要切片，也不需要创建原始数组。您可以通过广播比较来完成所有这些工作。a = np.array([0, 3, 1, 1, 2])n = 4(a[:, None] <= np.arange(n)).view('i1')array([[1, 1, 1, 1],&nbsp; &nbsp; &nbsp; &nbsp;[0, 0, 0, 1],&nbsp; &nbsp; &nbsp; &nbsp;[0, 1, 1, 1],&nbsp; &nbsp; &nbsp; &nbsp;[0, 1, 1, 1],&nbsp; &nbsp; &nbsp; &nbsp;[0, 0, 1, 1]], dtype=int8)或使用less_equal.outernp.less_equal.outer(a, np.arange(n)).view('i1')