我正在尝试使用数组来设置其他数组中的值。不幸的是,它没有设置一个值,而是以某种方式覆盖了一堆值。发生了什么,我怎样才能实现我想要的?
>>> target = np.array( [ [0,1],[1,2],[2,3] ])
>>> target
array([[0, 1],
[1, 2],
[2, 3]])
>>> actions = np.array([0,0,0])
>>> target[actions] #The first row, 3 times
array([[0, 1],
[0, 1],
[0, 1]])
>>> target[:,actions] #The first column, 3 times
array([[0, 0, 0],
[1, 1, 1],
[2, 2, 2]])
>>> values = np.array([7,8,9])
>>> target[:,actions] = values #why isnt this working?
>>> target
array([[9, 1],
[9, 2],
[9, 3]])
#Actually want
#array([[7, 1],
# [8, 2],
# [9, 3]])
>>> target = np.array( [ [0,1],[1,2],[2,3] ]) #reset to original value
>>> actions = np.array([0,1,0])
>>> target[:,actions] = values.reshape(3, 1)
array([[7, 7],
[8, 8],
[9, 9]])
#Actually want
#array([[7, 1],
# [1, 8],
# [9, 3]])
请您参考如下方法:
target[:,actions] 三次选择 target 的同一列。
当你说 target[:,actions] = values 时,你正在做的是:
- 将 7 分配给该列中的所有值,分配 3 次。
- 将 8 分配给该列中的所有值,分配 3 次。
- 将 9 分配给该列中的所有值,分配 3 次。
所以您最终在该列的所有值中得到 9。
如果你坚持这种尴尬的三重数据写入,你可以通过转置写入来修复它:
target[:,actions] = values.reshape(3, 1)
这会将 [7,8,9] 写入该列,三次。显然这很浪费,您可以改为这样做:
target[:,actions[-1]] = values
效果应该是一样的,而且节省了计算量。
