获取索引并创建基于 Python 的 numpy 数组

Question

我在将 Matlab 转换为 Python 代码时遇到问题，特别是涉及矩阵/数组时。

在这里，我有一个名为 output 的二维 numpy 数组，我正在计算高于变量 [=] 的元素的行主索引 t_ind 的向量16=]:

t_ind = np.flatnonzero(output > vmax)

现在我想使用这些索引创建一个基于此的矩阵。在 MATLAB 中，我可以直接这样做：

output(t_ind) = 2*vmax - output(t_ind);

但在 Python 这行不通。具体来说，我收到 IndexError 说明我越界了。

我试图弄清楚，但我能想到的最优雅的解决方案是使用 np.hstack() 将数组转换为向量，比较索引，将它们收集到另一个变量中，然后返回。

你能解释一下吗？

Answer 1

对于一维数组，np.flatnonzero的使用是正确的。具体来说，等效的 numpy 语法为：

output[t_ind] = 2*vmax - output[t_ind]

此外，您可以使用布尔运算符实现相同的目的。 MATLAB 也支持此功能，因此如果您想在两者之间进行转换，布尔值（或 MATLAB 领域中的 logical）是更好的方法：

output[output > vmax] = 2*vmax - output[output > vmax]

对于 2D 情况，您不使用 np.flatnonzero。使用 np.where 代替：

t_ind = np.where(output > v_max)
output[t_ind] = 2*vmax - output[t_ind]

t_ind 将 return 一个 numpy 数组的元组，其中第一个元素为您提供行位置，第二个元素为您提供满足布尔值的那些值的列位置置于 np.where.

中的条件

请注意，布尔索引的情况仍然适用于您想要的矩阵的任何维度。但是，np.flatnonzero 将计算满足 np.flatnonzero 输入条件的那些点的 行优先 索引。出现错误的原因是因为您试图使用行优先索引来访问二维数组。尽管 Python 支持线性索引，但 numpy 不支持 - 您必须独立访问每个维度才能进行此索引，这就是将 t_ind 指定为输入索引的原因output 会做。

Answer 2

Numpy 同时支持布尔索引和多维索引，因此您无需跳过所有这些步骤，这里有两种方法可以满足您的需求：

# The setup
import numpy as np
a = np.random.random((3, 4))
vmax = 1.2
output = np.zeros(a.shape, a.dtype)

# Method one, use a boolean array to index
mask = a > .5
output[mask] = 2 * vmax - a[mask]

# Method tow, use indices to index.
t_ind = np.nonzero(a > .5)
output[t_ind] = 2 * vmax - a[t_ind]

获取索引并创建基于 Python 的 numpy 数组

Obtaining indexes and creating an Python-based numpy array

python

arrays

indexing

matlab

numpy