使用 2D 索引数组对 3D 数组值进行 Numpy 赋值

Question

我有一个 3D numpy 零数组，尺寸为 CxHxW（在本例中，C=4、H=2 和 W=3）：

A = np.array([[[0, 0, 0],

               [0, 0, 0]],

              [[0, 0, 0],

               [0, 0, 0]]

              [[0, 0, 0],

               [0, 0, 0]]

              [[0, 0, 0],

               [0, 0, 0]]])

我还有一个二维索引数组，尺寸为 HxW，这样数组中的每个值都是 [0, C-1] 之间的有效索引

B = np.array([[2, 3, 0], 

              [3, 1, 2]])

有没有一种快速的方法，使用向量化来修改数组 A，使得 A[B[i][j]][i][j] = 1，对于所有有效的 i、j？

A = np.array([[[0, 0, 1],

               [0, 0, 0]],

              [[0, 0, 0],

               [0, 1, 0]]

              [[1, 0, 0],

               [0, 0, 1]]

              [[0, 1, 0],

               [1, 0, 0]]]) 

谢谢你！

Answer 1

您似乎正在寻找put_along_axis：np.put_along_axis(A, B[None,...], 1, 0)请注意，第二个参数需要与第一个参数具有相同的维数，这就是为什么B[None,...]使用 而不是B。