我对以下代码的预期输出:
array([[ 0, 1, 2, 3],
[ 4, 999, 999, 7],
[ 8, 999, 999, 11],
[12, 13, 14, 15]])
代码:
import numpy as np
A = np.array(range(16)).reshape((4,4))
A[[1,3],:][:, [1,3]] = [[999,999],[999,999]]
print(A)
但是,这些值没有变化。输出是
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
我应该怎么做才能得到想要的输出? 我不允许使用循环手动分配每个值。
更新: 场景 2:如果我想要 A[[1,3], [1,3]] = inner,它会抛出异常形状不匹配:形状 (2,2) 的值数组无法广播到形状的索引结果(2,).我该怎么办?
场景 2 的期望输出:
array([[ 0, 1, 2, 3],
[ 4, 999, 6, 999],
[ 8, 9, 10, 11],
[12, 999, 14, 999]])
您可以执行以下操作以获得所需的结果:
import numpy as np
A = np.array(range(16)).reshape((4,4))
inner = np.array([[999,999],[999,999]])
border = 1
A[border:border + inner.shape[0],
border:border + inner.shape[1]] = inner
border
的要点是定义你离边界有多远。A
的输出是:array([[ 0, 1, 2, 3],
[ 4, 999, 999, 7],
[ 8, 999, 999, 11],
[ 12, 13, 14, 15]])
在上面的示例中,恰好是内部阵列在外部阵列的两个方向上的距离相同的情况,但您可以定义和调整两个
border
参数以推广解决方案。例如,如果原始数组较大 (10x10),而您想在其任意位置嵌入一个 (3x3) 数组,您可以执行以下操作:
import numpy as np
A = np.array(range(100)).reshape((10,10))
inner = np.array([[999,999,999],[999,999,999],[999,999,999]])
border_1 = 1
border_2 = 4
A[border_1:border_1 + inner.shape[0],
border_2:border_2 + inner.shape[1]] = inner
A的输出为:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 10, 11, 12, 13, 999, 999, 999, 17, 18, 19],
[ 20, 21, 22, 23, 999, 999, 999, 27, 28, 29],
[ 30, 31, 32, 33, 999, 999, 999, 37, 38, 39],
[ 40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
[ 50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
[ 60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
[ 70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
[ 80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
[ 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
无需手动编写 999 的数组,您可以利用
np.full
。
np.full((3, 3), 999)
生产...
array([[999, 999, 999],
[999, 999, 999],
[999, 999, 999]])
这可以使写入内部数组更快。