Numpy 高级索引失败答案

【问题标题】：Numpy advanced indexing failsNumpy 高级索引失败
【发布时间】：2018-10-31 14:44:11
【问题描述】：

我有一个如下所示的 numpy 数组：

 a = np.array([[0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ],
   [0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ],
   [0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ],
   [0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ],
   [0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ],
   [0.87, 1.10, 2.01, 0.81 , 0.64,        0.        ]])

我喜欢通过将“左下”部分设置为零来进行操作。而不是循环遍历行和列，我想通过索引来实现这一点：

ix = np.array([[1, 1, 1, 1, 1, 1],
   [0, 1, 1, 1, 1, 1],
   [0, 0, 1, 1, 1, 1],
   [0, 0, 0, 1, 1, 1],
   [0, 0, 0, 0, 1, 1],
   [0, 0, 0, 0, 0, 1]])

但是a[ix] 并没有达到我的预期，因为a[ix].shape 现在是(6,6,6)，即添加了一个新维度。我需要做什么才能保留a 的形状，但左下角全为零？

【问题讨论】：

标签： python python-3.x numpy numpy-indexing

【解决方案1】：

如果你根本不想担心创建ix，你真正需要的是a的上三角，也就是numpy.triu的方法

np.triu(a)

array([[0.87, 1.1 , 2.01, 0.81, 0.64, 0.  ],
       [0.  , 1.1 , 2.01, 0.81, 0.64, 0.  ],
       [0.  , 0.  , 2.01, 0.81, 0.64, 0.  ],
       [0.  , 0.  , 0.  , 0.81, 0.64, 0.  ],
       [0.  , 0.  , 0.  , 0.  , 0.64, 0.  ],
       [0.  , 0.  , 0.  , 0.  , 0.  , 0.  ]])

【讨论】：

【解决方案2】：

您不需要为此目的进行高级索引。 Boolean indexing 会更适合你所拥有的：

a[~ix.astype(bool)] = 0
a
#array([[ 0.87,  1.1 ,  2.01,  0.81,  0.64,  0.  ],
#       [ 0.  ,  1.1 ,  2.01,  0.81,  0.64,  0.  ],
#       [ 0.  ,  0.  ,  2.01,  0.81,  0.64,  0.  ],
#       [ 0.  ,  0.  ,  0.  ,  0.81,  0.64,  0.  ],
#       [ 0.  ,  0.  ,  0.  ,  0.  ,  0.64,  0.  ],
#       [ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ,  0.  ]])

【讨论】：