numpy.put_along_axis#

numpy.put_along_axis(arr, indices, values, axis)[原始碼]#

透過比對 1 維索引和資料切片，將值放入目標陣列。

此函數會迭代索引和資料陣列中，沿著指定軸向的相符 1 維切片，並使用前者將值放入後者。這些切片可以有不同的長度。

沿著軸傳回索引的函數，例如 argsort 和 argpartition，會產生適用於此函數的索引。

參數:
arrndarray (Ni…, M, Nk…)

目標陣列。

indicesndarray (Ni…, J, Nk…)

沿著 arr 的每個 1 維切片變更的索引。這必須符合 arr 的維度，但 Ni 和 Nj 中的維度可以是 1，以便與 arr 廣播。

valuesarray_like (Ni…, J, Nk…)

要插入到這些索引的值。其形狀和維度會廣播以符合 indices 的形狀和維度。

axisint

沿著哪個軸取 1 維切片。如果 axis 為 None，則目標陣列會被視為已建立其扁平化的 1 維視圖。

另請參閱

take_along_axis

透過比對 1 維索引和資料切片，從輸入陣列中取得值

附註

這等效於（但速度更快）以下使用 ndindex 和 s_ 的方式，它將每個 ii 和 kk 設定為索引的元組

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，消除內部迴圈，最後兩行會是

a_1d[indices_1d] = values_1d

範例

>>> import numpy as np

對於此範例陣列

>>> a = np.array([[10, 30, 20], [60, 40, 50]])

我們可以將最大值替換為

>>> 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]])
在此頁面