Python：多维数组掩码答案

【问题标题】：Python: multidimensional array maskingPython：多维数组掩码
【发布时间】：2012-02-14 18:59:54
【问题描述】：

Matlab 中以下简单代码的等效 pythonic 实现是什么。

Matlab：


B = 2D array of integers as indices [1...100]
A = 2D array of numbers: [10x10]
A[B] = 0

例如对于B[i]=42，它会找到要设置的列5 的位置2。在 Python 中，它会导致 error: out of bound 这是逻辑。然而，为了将上面的 Matlab 代码翻译成 Python，我们正在寻找 Python 的方法。还请考虑更高维度的问题，例如：


B = 2D array of integers as indices [1...3000]
C = 3D array of numbers: [10x10x30]
C[B] = 0

我们想到的一种方法是将索引数组元素改造成i,j，而不是绝对位置。即，将42 定位到divmod(42,m=10)[::-1] >>> (2,4)。因此，我们将有一个nx2 >>> ii,jj 索引向量，可用于轻松索引A。我们认为这可能是一种更好的方法，对于 Python 中的更高维度也很有效。

【问题讨论】：

“在 Python 中它会导致错误：超出范围，这是合乎逻辑的”... 是什么原因造成的？你能展示你在 Python 中尝试过的东西吗？
为什么要用一个二维数组作为另一个二维数组的索引？
@LaurenceGonsalves 正如问题中提到的， A.shape = (10,10) 所以按 A[42] 索引是不合法的！这不是 Matlab 代码的情况，因为它会自动将 42 匹配到第 2 行和第 4 列。
@FlopCoder 因为我正在翻译已经编写好的代码。我喜欢这里的 Python 逻辑 true 会导致错误。

标签： python matlab numpy multidimensional-array masking

【解决方案1】：

您可以在索引数组 (A) 之前在数组 (A) 上使用 .ravel()，然后在之后使用 .reshape()。

另外，既然您知道A.shape，您可以在索引之前在另一个数组（B）上使用np.unravel_index。

示例 1：

>>> import numpy as np
>>> A = np.ones((5,5), dtype=int)
>>> B = [1, 3, 7, 23]
>>> A
array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]])
>>> A_ = A.ravel()
>>> A_[B] = 0
>>> A_.reshape(A.shape)
array([[1, 0, 1, 0, 1],
       [1, 1, 0, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 0, 1]])

示例 2：

>>> b_row, b_col = np.vstack([np.unravel_index(b, A.shape) for b in B]).T
>>> A[b_row, b_col] = 0
>>> A
array([[1, 0, 1, 0, 1],
       [1, 1, 0, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 0, 1]])

后来发现：可以使用numpy.put

>>> import numpy as np
>>> A = np.ones((5,5), dtype=int)
>>> B = [1, 3, 7, 23]
>>> A.put(B, [0]*len(B))
>>> A
array([[1, 0, 1, 0, 1],
       [1, 1, 0, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 0, 1]])

【讨论】：

感谢您的示例。我打算请你用一个例子来展示你的解决方案，......哇！你在我发布它之前做过。有了这些例子，这个想法现在很清楚了。这两种方法都有帮助。