numpy.put_along_axis#
- numpy.put_along_axis(arr, indices, values, axis)[source]#
通过匹配一维索引和数据切片,将值放入目标数组。
此函数迭代索引和数据数组中沿指定轴方向的匹配一维切片,并使用前者将值放入后者。这些切片可以具有不同的长度。
返回沿轴的索引的函数,如
argsort
和argpartition
,会为此函数生成合适的索引。版本 1.15.0 中的新功能。
- 参数:
- arrndarray (Ni…, M, Nk…)
目标数组。
- indicesndarray (Ni…, J, Nk…)
沿 arr 的每个一维切片更改的索引。它必须与 arr 的维度匹配,但 Ni 和 Nj 中的维度可以为 1 以广播到 arr。
- valuesarray_like (Ni…, J, Nk…)
要插入这些索引的值。其形状和维度会广播以匹配
indices
的形状和维度。- axisint
获取一维切片的轴。如果 axis 为 None,则目标数组将被视为已创建其展平的一维视图。
另请参阅
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
注释
这等效于(但比)以下
ndindex
和s_
的用法,它将ii
和kk
设置为索引元组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]
等效地,消除内部循环,最后两行将是
a_1d[indices_1d] = values_1d
示例
>>> import numpy as np
对于此示例数组
>>> a = np.array([[10, 30, 20], [60, 40, 50]])
我们可以用替换最大值
>>> ai = np.argmax(a, axis=1, keepdims=True) >>> ai array([[1], [0]]) >>> np.put_along_axis(a, ai, 99, axis=1) >>> a array([[10, 99, 20], [99, 40, 50]])