按元素乘法忽略矩阵的某些行

Question

假设我有一个这样的矩阵：

import numpy as np

a = np.array([[1, 2, 3], [89, 43, 2], [12, -3, 4], [-2, 4, 7]])

array([[ 1,  2,  3],
       [89, 43,  2],
       [12, -3,  4],
       [-2,  4,  7]])

和一个看起来像这样的矢量：

b = np.array([1, 2, 3])

如果我现在想做一个元素乘法，我可以简单地做

c = a * b

并获得

array([[ 1,  4,  9],
       [89, 86,  6],
       [12, -6, 12],
       [-2,  8, 21]])

我的问题是：我怎样才能只对矩阵中的某些行进行这种乘法运算？我目前是这样做的：

E = a.copy()

# ignore these rows
ignInd = [1, 3]

for ind in xrange(a.shape[0]):
    if ind not in ignInd:
        E[ind, :] = a[ind, :] * b

矩阵 E 看起来很理想（第 1 行和第 3 行与 a 中的相同）：

array([[ 1,  4,  9],
       [89, 43,  2],
       [12, -6, 12],
       [-2,  4,  7]])

有人能想出比这更聪明的解决方案吗？

Answer 1

您可以直接用另一个 NumPy 数组索引一个 NumPy 数组。在你的例子中，你有你想要忽略的行的索引，所以你可以构建一个索引数组到 include 从这个：

In [21]: ignInd = [1,3]   #ignore these rows
In [22]: ind = np.array([i for i in range(a.shape[0]) if i not in ignInd])
In [23]: E2 = a.copy()

In [24]: E2[ind,:] = a[ind,:]*b

In [25]: E2
Out[25]: 
array([[ 1,  4,  9],
       [89, 43,  2],
       [12, -6, 12],
       [-2,  4,  7]])

编辑：正如@DSM 评论的那样，对于大型数组，使用 NumPy 的矢量化方法构建索引数组会更有效，即。 ind = np.setdiff1d(np.arange(len(a)), ignInd) 而不是上面使用的列表理解。

Answer 2

对于 a

中的第一行

a[0] = a[0] * b

..其他行依此类推。

Answer 3

看来你可以只做乘法，然后把原始数据放回你想忽略的地方...

>>> import numpy as np
>>> a = np.array([[1,2,3],[89,43,2],[12, -3, 4], [-2, 4, 7]])
>>> b = np.array([1,2,3])
>>> c = a * b
>>> ignInd = [1,3]
>>> c[ignInd, :]
array([[89, 86,  6],
       [-2,  8, 21]])
>>> c[ignInd, :] = a[ignInd, :]
>>> c
array([[ 1,  4,  9],
       [89, 43,  2],
       [12, -6, 12],
       [-2,  4,  7]])

Answer 4

您可以使用 boolean indexing with np.in1d 来 select 在给定索引列表中排除的行。实现看起来像这样 -

E = a.copy()
mask = ~np.in1d(np.arange(a.shape[0]),ignInd,)
E[mask] = a[mask]*b

按元素乘法忽略矩阵的某些行

Elementwise multiplication ignoring certain rows of a matrix

python

arrays

numpy

matrix-multiplication