我的目标是使用两个相同形状的2D数组分配一个现有2D数组的值,或创建一个新数组,一个带有值的数组和一个带有索引的数组,以将相应的值分配给该数组.

X = np.array([range(5),range(5)])
X
array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]])

Y= np.array([range(5), [2,3,4,1,0]])
Y
array([[0, 1, 2, 3, 4],
       [2, 3, 4, 1, 0]])

我想要的输出是一个形状与X和Y相同的数组,其中X的值在Y中对应行的索引中给出.可以通过以下方式遍历每一行来实现此结果：

output = np.zeros(X.shape)

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]
output 
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

有没有更有效的方法来应用这种分配？

np.take(output, Y) 

将返回输出数组中我要分配给X的值的项,但是我相信np.take不会产生对原始数组的引用,而是对新数组的引用.

解决方法:

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]

相当于

I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

例如,

X = np.array([range(5),range(5)])
Y = np.array([range(5), [2,3,4,1,0]])
output = np.zeros(X.shape)
I = np.arange(X.shape[0])[:, np.newaxis]
output[I, Y] = X

产量

>>> output
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

当循环的迭代次数很少时,性能没有太大差异.
但是,如果X.shape [0]很大,则使用索引会更快：

def using_loop(X, Y):
    output = np.zeros(X.shape)
    for i in range(X.shape[0]):
        output[i][Y[i]] = X[i]
    return output

def using_indexing(X, Y):
    output = np.zeros(X.shape)
    I = np.arange(X.shape[0])[:, np.newaxis]
    output[I, Y] = X
    return output

X2 = np.tile(X, (100,1))
Y2 = np.tile(Y, (100,1))

In [77]: %timeit using_loop(X2, Y2)
1000 loops, best of 3: 376 µs per loop

In [78]: %timeit using_indexing(X2, Y2)
100000 loops, best of 3: 15.2 µs per loop