numpy.
put_along_axis
通过匹配一维索引和数据切片将值放入目标数组。
这将遍历索引和数据数组中沿指定轴定向的匹配1d切片,并使用前者将值放入后者。这些切片可以是不同的长度。
函数沿轴返回索引,如 argsort 和 argpartition ,为此函数生成适当的索引。
argsort
argpartition
1.15.0 新版功能.
目标数组。
沿每一维切片变化的索引 arr . 这必须与arr的尺寸匹配,但ni和nj中的尺寸可能为1,以便广播 arr .
在这些索引处插入的值。它的形状和尺寸被广播以匹配 indices .
indices
要沿其进行1d切片的轴。如果axis为none,则目标数组将被视为已为其创建了扁平的1d视图。
参见
take_along_axis
通过匹配一维索引和数据切片从输入数组中获取值
笔记
这相当于(但比)以下使用 ndindex 和 s_ ,设置每个 ii 和 kk 到一组索引:
ndindex
s_
ii
kk
Ni, M, Nk = a.shape[:axis], a.shape[axis], a.shape[axis+1:] J = indices.shape[axis] # Need not equal M for ii in ndindex(Ni): for kk in ndindex(Nk): a_1d = a [ii + s_[:,] + kk] indices_1d = indices[ii + s_[:,] + kk] values_1d = values [ii + s_[:,] + kk] for j in range(J): a_1d[indices_1d[j]] = values_1d[j]
同样地,消除内环,最后两行是:
a_1d[indices_1d] = values_1d
实例
对于此示例数组
>>> a = np.array([[10, 30, 20], [60, 40, 50]])
我们可以将最大值替换为:
>>> ai = np.expand_dims(np.argmax(a, axis=1), axis=1) >>> ai array([[1], [0]]) >>> np.put_along_axis(a, ai, 99, axis=1) >>> a array([[10, 99, 20], [99, 40, 50]])