Skip to main content
 首页 » 编程设计

python之按多维 numpy 数组中的索引更新

2024年11月01日8开发

我正在使用 numpy 计算许多大型数组中的大量值,并跟踪最大值出现在哪些位置。

特别是,假设我有一个“计数”数组:

data = numpy.array([[ 5, 10, 3], 
                    [ 6, 9, 12], 
                    [13, 3,  9], 
                    [ 9, 3,  1], 
                    ... 
                    ]) 
counts = numpy.zeros(data.shape, dtype=numpy.int) 

data 将发生很大变化,但我希望“counts”反射(reflect)每个位置出现最大值的次数:

max_value_indices = numpy.argmax(data, axis=1) 
# this is now [1, 2, 0, 0, ...] representing the positions of 10, 12, 13 and 9, respectively. 

根据我对 numpy 广播的理解,我应该可以说:

counts[max_value_indices] += 1 

我期望的是要更新的数组:

[[0, 1, 0], 
 [0, 0, 1], 
 [1, 0, 0], 
 [1, 0, 0], 
 ... 
] 

但是这会增加 counts 中的所有值给我:

[[1, 1, 1], 
 [1, 1, 1], 
 [1, 1, 1], 
 [1, 1, 1], 
 ... 
] 

我还认为,如果我将 max_value_indices 转换为 100x1 数组,它可能会起作用:

counts[max_value_indices[:,numpy.newaxis]] += 1 

但这只会更新位置 0、1 和 2 中的元素:

[[1, 1, 1], 
 [1, 1, 1], 
 [1, 1, 1], 
 [0, 0, 0], 
 ... 
] 

我也很乐意将索引数组转换为 0 和 1 的数组,然后每次都将其添加到 counts 数组中,但我不确定如何构造它。

请您参考如下方法:

你可以使用所谓的advanced integer indexing (又名 Multidimensional list-of-locations indexing ):

In [24]: counts[np.arange(data.shape[0]),  
                np.argmax(data, axis=1)] += 1 
 
In [25]: counts 
Out[25]:  
array([[0, 1, 0], 
       [0, 0, 1], 
       [1, 0, 0], 
       [1, 0, 0]]) 

第一个数组,np.arange(data.shape[0]) 指定行。第二个数组 np.argmax(data, axis=1) 指定列。