如何使用 numpy 将一个小矩阵添加到一个大矩阵中？答案

【问题标题】：How can I add a small matrix into a big one with numpy?如何使用 numpy 将一个小矩阵添加到一个大矩阵中？
【发布时间】：2019-04-07 00:31:59
【问题描述】：

我试图弄清楚如何获取一个小矩阵（下面的矩阵B）并将值添加到某个索引处的更大的矩阵（下面的矩阵A）中。对于这种情况，numpy 似乎是一个不错的选择，但我不知道该怎么做。

矩阵A:

[[0, 0, 0, 0, 0, 0]
 [0, 0, 0, 0, 0, 0]
 [0, 0, 0, 0, 0, 0]
 [0, 0, 0, 0, 0, 0]
 [0, 0, 0, 0, 0, 0]]

矩阵B:

[[2, 3, 4]
 [5, 6, 7]
 [8, 9, 3]]

期望的最终结果：

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

【问题讨论】：

能否请您告诉我们您的尝试，即使这只是意味着阅读文档？到目前为止，您咨询过哪些来源？
你只需要找到你想要放置 B 的 A 的索引范围。比如：A[1:4,2:6]=B
当您说“添加值”时，您是指数学加法运算，还是说“放置值”的另一种方式？

标签： python arrays numpy matrix

【解决方案1】：

如果您想将B 添加到A 并使用B 的左上角在A 中索引(r, c)，您可以使用索引和shape 属性来完成B:

A[r:r+B.shape[0], c:c+B.shape[1]] += B

如果您只想设置元素（覆盖而不是添加），请将+= 替换为=。在您的特定示例中：

>>> A = np.zeros((5, 6), dtype=int)
>>> B = np.r_[np.arange(2, 10), 3].reshape(3, 3)

>>> r, c = 1, 2

>>> A[r:r+B.shape[0], c:c+B.shape[1]] += B
>>> A
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 2, 3, 4, 0],
       [0, 0, 5, 6, 7, 0],
       [0, 0, 8, 9, 3, 0],
       [0, 0, 0, 0, 0, 0]])

索引操作会在A 中生成一个视图，因为它是简单的索引，这意味着数据不会被复制，这使得操作对于大型数组相当有效。

【讨论】：

【解决方案2】：

您可以将 b 数组填充为与 a 相同的形状。 numpy.pad

import numpy as np

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],
 [0,0,0,0,0,0]])

b = np.array([[2,3,4],
 [5,6,7],
 [8,9,3]])


b = np.pad(b, ((1,1) , (2,1)), mode = 'constant', constant_values=(0, 0))

print(a+b)

填充后b会是

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

a+b 将是

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

((1,1) , (2,1)) 表示您在顶部添加 1 行，在底部添加 1 行，在左侧添加 2 列，在右侧添加 1 列。由于mode = 'constant', constant_values=(0, 0)，所有添加的行和列都为零。

这样就可以输入要添加矩阵的索引了

【讨论】：

不如在 A 中创建视图的反向方法高效，但仍然很聪明。 +1
@MadPhysicist 是的，我认为您的回答更有效，因为我的回答使用更多内存。谢谢！也为你 +1。