MATLAB 2D索引A（[]，[]）的Numpy等效命令

Question

我正在寻找Numpy中的精确命令以遵循MATLAB索引。

上传为图片： [1]： https://i.sstatic.net/q2dj0.png

我已经尝试过在numpy中做类似的事情：

kk = np.zeros((100,100))
k= np.array([[ 0,  1,  2],
              [ 3,  4,  5],
              [ 6,  7,  8]])
kk[[9,2,7],[9,2,7]] = k

但是这会给您带来错误：

ValueError: shape mismatch: value array of shape (3,3) could not be broadcast to indexing result of shape (3,)

我编辑了这个问题，就我而言，每个索引都不是连续的，但是它们是相同的：kk [[9,2,7]，[9，[9，[9， 2,7]]。

Answer 1

如果索引是连续的，则应使用slice（） s：

import numpy as np


kk = np.zeros((6, 7), dtype=int)
k = np.arange(2 * 3).reshape((2, 3)) + 1
kk[1:3, 1:4] = k
   
print(kk)
# [[0 0 0 0 0 0 0]
#  [0 1 2 3 0 0 0]
#  [0 4 5 6 0 0 0]
#  [0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0]]

请注意，a：b：b：b：c内部[]是切片（a，b，c），带有：c/，c可选，如果a/b应该是none可以在快捷方式中遗漏（但在功能版本中不要），并且如果仅将一个参数设置为slice（），则此分配给b。

否则，您可以使用 numpy.ix _（）：

import numpy as np


kk = np.zeros((6, 7), dtype=int)
k = np.arange(2 * 3).reshape((2, 3)) + 1
kk[np.ix_((1, 3), (1, 2, 4))] = k
   
print(kk)
# [[0 0 0 0 0 0 0]
#  [0 1 2 0 3 0 0]
#  [0 0 0 0 0 0 0]
#  [0 4 5 0 6 0 0]
#  [0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0]]

切片通常比高级索引更快，更有效的内存效率，您应该在可能的情况下更喜欢它们。

请注意，np.ix _（）只是生成具有正确形状的索引数组，以触发所需的索引：

np.ix_((1, 3), (1, 2, 4))
# (array([[1],
#         [3]]), array([[1, 2, 4]]))

因此，以下是有效的：

import numpy as np


kk = np.zeros((6, 7), dtype=int)
k = np.arange(2 * 3).reshape((2, 3)) + 1
kk[np.array([1, 3])[:, None], np.array([1, 2, 4])[None, :]] = k
   
print(kk)
# [[0 0 0 0 0 0 0]
#  [0 1 2 0 3 0 0]
#  [0 0 0 0 0 0 0]
#  [0 4 5 0 6 0 0]
#  [0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0]]

此外，slice> slice s and np.ndarray（dtype = int）可以合并在一起：

import numpy as np


kk = np.zeros((6, 7), dtype=int)
k = np.arange(2 * 3).reshape((2, 3)) + 1
kk[1:4:2, np.array([1, 2, 4])] = k
   
print(kk)
# [[0 0 0 0 0 0 0]
#  [0 1 2 0 3 0 0]
#  [0 0 0 0 0 0 0]
#  [0 4 5 0 6 0 0]
#  [0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0]]