NumPy 中的多维情况是否存在与 np.take 相反的情况？

Question

如果我有N-D 数组a和一维数组indexes和，那么将值分配给沿给定轴使用这些索引索引的子数组的axis最短/最简单的方法是什么？a

如果N和axis在代码编写时已知/固定，那么我可以轻松地做到

a[:,   :,   :,   indexes,   :,   :] = b
               ^^axis pos^^

但是如果N和axis仅在运行时才知道，例如在用户输入一些数据之后，该怎么办？

我发现的最简单的形式是这样的：

a[(slice(None),) * (axis % a.ndim) + (indexes,)] = b

但也许有一些内置功能？

有np.put但它似乎只适用于扁平数组，不支持多维。

还有np.take，它适用于多维情况，但与我需要的相反，它读取数据而不是写入，尽管具有我正在寻找的写入语法。你可以这样做：

b = np.take(a, indexes, axis)

那么有相反的吗np.take？就像np.nd_put，可以这样做：

np.nd_put(a, indexes, axis, b)

Answer 1

一种方法是排列轴，将其置于axis前面并简单地索引 -np.moveaxis(a,axis,0)[indexes] = np.moveaxis(b,axis,0)np.put_along_axis如果您正在寻找围绕 bultin 构建的东西，则另一个-i = [None]*b.ndimi[axis] = Ellipsisnp.put_along_axis(a, indexes[tuple(i)], b, axis=axis)为了完整起见，这是切片版本 -i = [slice(None)]*b.ndimi[axis] = indexesa[tuple(i)] = b您可以将其转换为单行代码以进行i列表理解。