a = np.array([2,3,1,4])b = np.array([2,3,7,1])c = np.zeros((4, 10))1我想为 中的某些元素赋值c。a并b定义这些元素的位置。是每行中a值的起始列索引。1并表示该行有b多少个连续的。1我期望的输出是：array([[ 0., 0., 1., 1., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 1., 1., 1., 0., 0., 0., 0.], [ 0., 1., 1., 1., 1., 1., 1., 1., 0., 0.], [ 0., 0., 0., 0., 1., 0., 0., 0., 0., 0.]])我可以使用一个简单的 for 循环，如下所示：for i in range(c.shape[0]): for k in range(a[i], a[i]+b[i]): c[i,k]=1但对于大型数组来说会很慢，有没有更快的 numpy 索引来做到这一点？谢谢。
3 回答
慕标琳琳
TA贡献1830条经验 获得超9个赞
您可以将其转化为一维问题
def convert_inds(a,b,array_shape):
nrows,ncols = array_shape
to_take = np.zeros(sum(b))
count = 0
for ind,item in enumerate(b):
start_ind = ind*ncols+a[ind]
to_take[count:count+item] = np.arange(start_ind,start_ind+item)
count += item
return to_take.astype(np.int)
to_take = convert_inds(a,b,c.shape)
c.ravel()[to_take] = 1
在上面的代码中，convert_inds将a和转换b为
array([ 2, 3, 13, 14, 15, 21, 22, 23, 24, 25, 26, 27, 34])
它们是1展平后 s的索引c。通过这样做，您只需要b在函数中进行迭代即可convert_inds。
LEATH
TA贡献1936条经验 获得超6个赞
我实现了下一个解决方案，没有任何 Python 循环，只有纯 NumPy 代码。也许它不像 python-loop 解决方案那么简单，但肯定会快得多，特别是对于大数据。
import numpy as np
def set_val_2d(a, val, starts, lens):
begs = starts + np.arange(a.shape[0]) * a.shape[1]
ends = begs + lens
clens = lens.cumsum()
ix = np.ones((clens[-1],), dtype = np.int64)
ix[0] = begs[0]
ix[clens[:-1]] = begs[1:] - ends[:-1] + 1
ix = ix.cumsum()
a.ravel()[ix] = val
a = np.array([2,3,1,4])
b = np.array([2,3,7,1])
c = np.zeros((4, 10))
set_val_2d(c, 1, a, b)
print(c)
输出：
[[0. 0. 1. 1. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 1. 1. 1. 1. 1. 1. 1. 0. 0.]
[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]]
慕侠2389804
TA贡献1719条经验 获得超6个赞
如果您选择基于索引的奇特方法，最困难的部分是查找轴 1 的索引。这非常类似于：
>>> np.repeat(a, b)
array([2, 2, 3, 3, 3, 1, 1, 1, 1, 1, 1, 1, 4])
除了每组索引应该递增之外。可以使用以下函数完成此修复：
def accumulative_count(counts, initial):
counter = np.ones(np.sum(counts), dtype=int)
marker_idx = np.r_[0, np.cumsum(counts)[:-1]]
subtract_vals = np.r_[1, counts[:-1]]
initial_vals = np.r_[initial[0], np.diff(initial)]
counter[marker_idx] = counter[marker_idx] - subtract_vals + initial_vals
return np.cumsum(counter)
>>> accumulative_count(counts, initial)
array([2, 3, 3, 4, 5, 1, 2, 3, 4, 5, 6, 7, 4], dtype=int32)
毕竟，你有能力完成它：
c[np.repeat(np.arange(len(c)), b), accumulative_count(b, a)] = 1
c:
array([[0., 0., 1., 1., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 1., 1., 1., 0., 0., 0., 0.],
[0., 1., 1., 1., 1., 1., 1., 1., 0., 0.],
[0., 0., 0., 0., 1., 0., 0., 0., 0., 0.]])
添加回答
举报
0/150
提交
取消