在 NumPy 中使用两个布尔数组进行索引

Question

我在 numpy 数组中有一些数据，然后我想选择子集的子集，并更新这些值。

假设第一个数组 A 有 N 个元素。然后，我使用布尔数组 mask1，其中 N 个元素作为掩码来选择第一个子集。然后，我使用第二个布尔数组 mask2 和 sum(mask1) 元素来选择第一个子集的子集。但是当我尝试更新这些值时，它们不会存储到原始数组中。

代码示例：

N = 10

A = np.arange(N)

# Create mask of size N, with only some True values

mask1 = np.zeros(N, dtype = np.bool)

mask1[:7] = True

# Create mask of size (sum(mask1)), with only some True values

mask2 = np.zeros(np.sum(mask1), dtype = np.bool)

mask2[2:] = True

# Indexing with both masks works as expected:

print(A[mask1][mask2])

这打印

[2 3 4 5 6]

正如预期的那样。但是当我尝试更新以这种方式索引的值时，它不起作用。

# Trying to update those values does not work:

A[mask1][mask2] = -1

print(A)

这将打印原始的、未更改的数组：

[0 1 2 3 4 5 6 7 8 9]

如果我仅使用一个布尔数组进行索引，那么值就会更新，所以这是一种可能的解决方法。但是，我正在为物理过程实现一种算法，其中首先创建一个掩码，根据一个标准进行子集化，然后根据另一个标准进一步对它进行子集化，这是非常自然的，所以如果我可以将其实现，那将非常优雅工作。

Answer 1

一个高性能的将是链式掩蔽-mask1[mask1] = mask2 A[mask1] = -1性能不太好 -A[np.flatnonzero(mask1)[mask2]] = -1