我正在尝试使用数组来设置其他数组中的值。不幸的是，与其设置值，不如以某种方式覆盖一堆值。发生了什么，我如何实现我想要的？>>> target = np.array( [ [0,1],[1,2],[2,3] ])>>> targetarray([[0, 1], [1, 2], [2, 3]])>>> actions = np.array([0,0,0])>>> target[actions] #The first row, 3 timesarray([[0, 1], [0, 1], [0, 1]])>>> target[:,actions] #The first column, 3 timesarray([[0, 0, 0], [1, 1, 1], [2, 2, 2]])>>> values = np.array([7,8,9])>>> target[:,actions] = values #why isnt this working?>>> targetarray([[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]])
3 回答
繁星点点滴滴
TA贡献1803条经验 获得超3个赞
target[:,actions]选择同一列target三次。
当您说时target[:,actions] = values，您正在做的是：
将7分配给该列中的所有值，三次。
将8分配给该列中的所有值，三次。
将9分配给该列中的所有值，三次。
因此，您在该列中的所有值中最终得到9。
如果您坚持要进行这种笨拙的三重数据写入，则可以通过转置写入来解决此问题：
target[:,actions] = values.reshape(3, 1)
这将写入[7,8,9]该列三次。显然这很浪费，您可以改为执行以下操作：
target[:,actions[-1]] = values
效果应该相同，并且可以节省计算量。
浮云间
TA贡献1829条经验 获得超4个赞
将[7,8,9]写入第一列的2种方法：
基本索引（带切片）：
In [396]: target[:,0] = [7,8,9] # all rows, 1st column
In [397]: target
Out[397]:
array([[7, 1],
[8, 2],
[9, 3]])
高级索引（带有2个列表）
In [398]: target[[0,1,2],[0,0,0]] = [7,8,9] # pair [0,0],[1,0],[2,0]
In [399]: target
Out[399]:
array([[7, 1],
[8, 2],
[9, 3]])
第二种方法也适用于混合列：
In [400]: target = np.array( [ [0,1],[1,2],[2,3] ])
In [401]: target[[0,1,2],[0,1,0]] = [7,8,9]
In [402]: target
Out[402]:
array([[7, 1],
[1, 8],
[9, 3]])
广播发挥作用。在这种情况下，有3个可能要广播的数组-2维和源数组。
像这样的高级索引将生成一维数组。因此，源数组必须匹配：
In [403]: target[[0,1,2],[0,1,0]]
Out[403]: array([7, 8, 9])
（1,3）可以广播到（3，），但是（3,1）不能：
In [404]: target[[0,1,2],[0,1,0]] = np.array([[7,8,9]])
In [405]: target[[0,1,2],[0,1,0]] = np.array([[7,8,9]]).T
...
ValueError: shape mismatch: value array of shape (3,1) could not be broadcast to indexing result of shape (3,)
这种索引是不寻常的。请注意，结果为（3,3）。
In [412]: target[:,[0,0,0]]
Out[412]:
array([[0, 0, 0],
[1, 1, 1],
[2, 2, 2]])
（3,1）来源：
In [413]: np.array([[7,8,9]]).T
Out[413]:
array([[7],
[8],
[9]])
In [414]: target[:,[0,0,0]] = _
In [415]: target
Out[415]:
array([[7, 1],
[8, 2],
[9, 3]])
（3,1）可以广播到（3,3）。它可以工作，但最终将[7,8,9]分配了3次，全部分配给相同的0列。
分配第一列的另一种方法：
In [423]: target[np.ix_([0,1,2],[0,0,0])]
Out[423]:
array([[0, 0, 0],
[1, 1, 1],
[2, 2, 2]])
同样，（3,3）与接受（3,1）：
In [424]: target[np.ix_([0,1,2],[0,0,0])] = np.array([[7,8,9]]).T
In [425]: target
Out[425]:
array([[7, 1],
[8, 2],
[9, 3]])
ix_ 制作2个可以互相广播的数组，在这种情况下为列向量和第1行：
In [426]: np.ix_([0,1,2],[0,0,0])
Out[426]:
(array([[0],
[1],
[2]]), array([[0, 0, 0]]))
我可以选择targetwith的所有元素：
In [430]: target[np.ix_([0,1,2],[0,1])]
Out[430]:
array([[0, 1],
[1, 2],
[2, 3]])
并按照混乱的顺序排列：
In [431]: target[np.ix_([2,0,1],[1,0])]
Out[431]:
array([[3, 2],
[1, 0],
[2, 1]])
明月笑刀无情
TA贡献1828条经验 获得超4个赞
我无法使用:索引来使其工作，但是以下内容通过使用索引数组而起作用。不知道为什么该:方法不起作用，如果有人可以提出一种解决方法，我会接受。
>>> target = np.array( [ [0,1],[1,2],[2,3] ])
>>> rows = np.arange(target.shape[0])
>>> actions = np.array([0,1,0])
>>> values = np.array([7,8,9])
>>> target[rows,actions] = values
>>> target
array([[7, 1],
[1, 8],
[9, 3]])
添加回答
举报
0/150
提交
取消