如何在python中使用numpy替换矩阵的特定索引答案

【问题标题】：How to replace specific indices of a matrix using numpy in python如何在python中使用numpy替换矩阵的特定索引
【发布时间】：2021-04-03 08:48:46
【问题描述】：

python 初级水平。我有一个要处理的大矩阵 (MxN) 和一个包含一些索引的 Mx1 矩阵。我想要的是用 NaN 替换 MxN 矩阵的每一行，因为该行的列小于 Mx1 索引矩阵列出的列。

比如说我有：

A = [1  2  3  4]
    [5  6  7  8]
    [9 10 11 12]

和

B = [0]
    [2]
    [1]

结果矩阵应该是

C = [1    2   3  4]
    [NaN NaN  7  8]
    [NaN 10  11 12]

我试图避免使用 for 循环，因为我正在处理的矩阵很大，而且这个函数将是重复的。有没有一种优雅的 Pythonic 方式来实现这一点？

【问题讨论】：

标签： python numpy matrix

【解决方案1】：

查看此代码：
这里的逻辑是，第一种方法的工作原理是为np.where 创建condition-matrix，并按照以下方式完成

import numpy as np

A = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]], dtype=np.float)
B = np.array([[0], [2], [1]])

B = np.array(list(map(lambda i: [False]*i[0]+[True]*(4-i[0]), B)))
A = np.where(B, A, np.nan)
print(A)

方法二：使用基本的pythonic代码

import numpy as np

A = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]], dtype=np.float)
B = np.array([[0], [2], [1]])

for i,j in enumerate(A):
    j[:B[i][0]] = np.nan        

print(A)

【讨论】：

np.arange(4)>=B 是创建布尔掩码的更快方法。
@hpaulj 谢谢你，我真的很喜欢它，它将为broadcasting in numpy 提供洞察力

【解决方案2】：

您的数组 - 请注意 A 是浮动的，因此它可以容纳 np.nan：

In [348]: A = np.arange(1,13).reshape(3,4).astype(float); B = np.array([[0],[2],[1]])
In [349]: A
Out[349]: 
array([[ 1.,  2.,  3.,  4.],
       [ 5.,  6.,  7.,  8.],
       [ 9., 10., 11., 12.]])
In [350]: B
Out[350]: 
array([[0],
       [2],
       [1]])

一个布尔掩码是我们想要改变的值：

In [351]: np.arange(4)<B
Out[351]: 
array([[False, False, False, False],
       [ True,  True, False, False],
       [ True, False, False, False]])

应用它：

In [352]: A[np.arange(4)<B] = np.nan
In [353]: A
Out[353]: 
array([[ 1.,  2.,  3.,  4.],
       [nan, nan,  7.,  8.],
       [nan, 10., 11., 12.]])

【讨论】：