Question

我无法将此功能转换为矢量化功能：

a=np.asarray([[1,2,3],[3,4,5]])
inds=np.asarray([0,2])
vals=np.asarray([10,12])
def new_insert(arr,inds,vals):
    ret=np.zeros((arr.shape[0],arr.shape[1]+1))
    for i in range(arr.shape[0]):
        ret[i]=np.insert(arr[i],inds[i],vals[i])
    return ret
print new_insert(a,inds,vals)

输出：

[[ 10.   1.   2.   3.]
 [  3.   4.  12.   5.]]

有帮助吗？

Answer 1

您可以切换到数组a的1d视图：

shape = a.shape
a.shape = np.multiply(*shape)

重新计算一维数组的索引：

ind1d = [i+e*shape[0] for i, e in enumerate(ind)]

插入1d数组

b = np.insert(a, ind1d, vals)

并将结果重新塑造为2d

b.shape = (shape[0], shape[1]+1)

所以，最后，我们得到了

>>> b
array([[10,  1,  2,  3],
       [ 3,  4, 12,  5]])

@askewchan在评论中提出的在线人，使用np.ravel_multi_index帮助函数来压缩索引：

>>> np.insert(a.flat, np.ravel_multi_index((np.arange(ind.size), ind), 
...               a.shape), vals).reshape(a.shape[0], -1)
array([[10,  1,  2,  3],
       [ 3,  4, 12,  5]])

Answer 2

想我会将我的评论发布到@ alko的答案作为答案，因为它看起来有点令人困惑：

b = np.insert(a.flat, np.ravel_multi_index((np.arange(ind.size), ind), a.shape), vals).reshape(a.shape[0], -1)

这与@ alko基本相同，但它有一些优点：

使用a迭代器而不是实际更改a.flat的形状，不修改a本身。
使用np.ravel_multi_index创建ind1d数组而不是手动执行此操作，以避免潜在的错误。
它快一点点（10％）。

在类似于alko的步骤中，这就是它的作用：

ind1d = np.ravel_multi_index((np.arange(ind.size), ind), a.shape)

其中ind引用列索引，因此使用np.arange来引用行索引。然后，插入a.flat迭代器而不是重新整形的a：

b = np.insert(a.flat, ind1d, vals)

最后，重塑：

b = b.reshape(a.shape[0], -1) # the -1 allows any shape at the end

在2D阵列中插入元素的有效方法

2 个答案: