具有二维值和索引数组的 numpy 二维数组赋值

Question

我的目标是分配现有二维数组的值，或者创建一个新数组，使用两个相同形状的二维数组，一个有值，一个有索引，以便将相应的值分配给。

X = np.array([range(5),range(5)])
X
array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]])

Y= np.array([range(5), [2,3,4,1,0]])
Y
array([[0, 1, 2, 3, 4],
       [2, 3, 4, 1, 0]])

我想要的输出是一个与 X 和 Y 形状相同的数组，X 的值在 Y 中相应行的索引中给出。这个结果可以通过以下方式遍历每一行来实现:

output = np.zeros(X.shape)

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]
output 
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

有没有更有效的方法来应用这种赋值？

np.take(output, Y)

将 return 输出数组中的项分配给 X 的值，但我相信 np.take 不会产生对原始数组的引用，而是一个新数组。

Answer 1

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]

等同于

I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

例如，

X = np.array([range(5),range(5)])
Y = np.array([range(5), [2,3,4,1,0]])
output = np.zeros(X.shape)
I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

产量

>>> output
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

当循环迭代次数很少时，性能没有太大差异。但是如果 X.shape[0] 很大，那么使用索引会快得多：

def using_loop(X, Y):
    output = np.zeros(X.shape)
    for i in range(X.shape[0]):
        output[i][Y[i]] = X[i]
    return output

def using_indexing(X, Y):
    output = np.zeros(X.shape)
    I = np.arange(X.shape[0])[:, np.newaxis]
    output[I, Y] = X
    return output

X2 = np.tile(X, (100,1))
Y2 = np.tile(Y, (100,1))

In [77]: %timeit using_loop(X2, Y2)
1000 loops, best of 3: 376 µs per loop

In [78]: %timeit using_indexing(X2, Y2)
100000 loops, best of 3: 15.2 µs per loop

具有二维值和索引数组的 numpy 二维数组赋值

numpy 2D array assignment with 2D value and indices arrays

python

arrays

sorting

indexing

numpy