在 Python 中使用切片更改多个 Numpy 数组元素

Question

假设我有 numpy 数组 arr_1 = np.arange(10) 返回：

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

如何使用切片将多个元素更改为特定值？

例如：将每五个元素出现的第零个、第一个和第二个元素从第一个元素开始更改为 100。我想要这样：

array([0, 100, 100, 100, 4, 5, 100, 100, 100, 9])

我尝试了 arr_1[1::[5, 6, 7]] = 100 但那不起作用。

Answer 1

这是 masking -

的一种方法

a = np.arange(10)       # Input array
idx = np.array([0,1,2]) # Indices to be set
offset = 1              # Offset

a[np.in1d(np.mod(np.arange(a.size),5) , idx+offset)] = 100

样本运行与原始样本 -

In [849]: a = np.arange(10)       # Input array
     ...: idx = np.array([0,1,2]) # Indices to be set
     ...: offset = 1              # Offset
     ...: 
     ...: a[np.in1d(np.mod(np.arange(a.size),5) , idx+offset)] = 100
     ...: 

In [850]: a
Out[850]: array([  0, 100, 100, 100,   4,   5, 100, 100, 100,   9])

样本运行与 non-sequential indices -

In [851]: a = np.arange(11)       # Input array
     ...: idx = np.array([0,2,3]) # Indices to be set
     ...: offset = 1              # Offset
     ...: 

In [852]: a[np.in1d(np.mod(np.arange(a.size),5) , idx+offset)] = 100

In [853]: a
Out[853]: array([  0, 100,   2, 100, 100,   5, 100,   7, 100, 100,  10])

Answer 2

根据您的操作，这是另一个解决方案：

arr_1 = np.arange(10)
arr_1[1::5] = 100
arr_1[2::5] = 100
arr_1[3::5] = 100

它 returns :

array([  0, 100, 100, 100,   4,   5, 100, 100, 100,   9])

Answer 3

您只需将索引列表包装在 np.array(list) 中。您非常接近正确：

In [2]: arr_1 = np.arange(10)

In [3]: arr_1[np.array([0,1,2,5,6,7])] = 100

In [4]: arr_1
Out[4]: array([100, 100, 100,   3,   4, 100, 100, 100,   8,   9])

根据您的要求，我为索引使用了手工编码值。您可以使用您喜欢的某种技术以自动方式获取索引，如 Divakar 所示。

Answer 4

如果您的重复偏移量除以数组长度：

a.reshape((-1, 5))[:, 1:4] = 100

一般情况需要两行：

a[: len(a) // 5 * 5].reshape((-1, 5))[:, 1:4] = 100
a[len(a) // 5 * 5 :][1:4] = 100

工作原理：以所述方式重塑阵列的连续延伸，使目标子延伸对齐，因此可以使用标准二维索引一次性解决：

>>> a = np.arange(15)
>>> a.reshape((-1, 5))
array([[ 0,  1x,  2x,  3x,  4],
       [ 5,  6x,  7x,  8x,  9],
       [10, 11x, 12x, 13x, 14]])

在 Python 中使用切片更改多个 Numpy 数组元素

Changing multiple Numpy array elements using slicing in Python

python

arrays

numpy

slice