我有一个尺寸为MxNxO的小矩阵A
我有一个尺寸为KxMxNxP的大矩阵B,P> O
我有一个索引为Ox1的向量ind
我想做:
B[1,:,:,ind] = A
但是,我等式的左手
B[1,:,:,ind].shape
的尺寸为Ox1xMxN,因此我无法向其中广播A(MxNxO)。
为什么以这种方式访问B会改变左侧的尺寸? 我如何轻松实现目标? 谢谢
答案 0 :(得分:1)
有一个功能(即使不是错误),当在高级索引的中间混合切片时,将切片的尺寸放在末尾。
例如:
In [204]: B = np.zeros((2,3,4,5),int)
In [205]: ind=[0,1,2,3,4]
In [206]: B[1,:,:,ind].shape
Out[206]: (5, 3, 4)
3,4维已放置在ind
,5之后。
我们可以通过首先用1索引,然后用其余的索引来解决:
In [207]: B[1][:,:,ind].shape
Out[207]: (3, 4, 5)
In [208]: B[1][:,:,ind] = np.arange(3*4*5).reshape(3,4,5)
In [209]: B[1]
Out[209]:
array([[[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]],
[[20, 21, 22, 23, 24],
[25, 26, 27, 28, 29],
[30, 31, 32, 33, 34],
[35, 36, 37, 38, 39]],
[[40, 41, 42, 43, 44],
[45, 46, 47, 48, 49],
[50, 51, 52, 53, 54],
[55, 56, 57, 58, 59]]])
仅当第一个索引是标量时才有效。如果它也是一个列表(或数组),我们将获得一个中间副本,并且无法设置这样的值。
在其他SO问题中也有提到,尽管不是最近。
weird result when using both slice indexing and boolean indexing on a 3d array