Numpy 的 put_along_axis(~)
在輸入數組中設置特定值。這是就地完成的,即不會創建新的 Numpy 數組。
參數
1. a
| array-like
輸入數組。所有輸入數組都被視為展平數組。
2. indices
| Numpy array
將在其中設置值的指定軸中的索引。對於二維數組,索引表示列/行索引。尺寸必須與 a
相同。
3. values
| array-like
要設置的值。如果 values
比 a
短,則將重複 values
以確保形狀匹配。
4. axis
| int
插入值的軸。對於二維數組,允許的值如下:
值 |
說明 |
---|---|
0 |
值按行設置。 |
1 |
值按列設置。 |
默認情況下,mode="raise"
。
返回值
無 - 設置就地完成。
例子
基本用法
a = np.array([5,6,7,8])
np.put_along_axis(a, np.array([1]), [9], axis=0)
a
array([5, 9, 7, 8])
二維數組
考慮以下二維數組:
a = np.array([[5,6],[7,8]])
a
array([[5, 6],
[7, 8]])
按行設置值
設置 axis=0
,如下所示:
a = np.array([[5,6],[7,8]])
np.put_along_axis(a, np.array([[1]]), [9], axis=0)
a
array([[5, 6],
[9, 9]])
請注意索引的維度如何與輸入數組 a
的維度相匹配。
按列設置值
設置 axis=1
,如下所示:
a = np.array([[5,6],[7,8]])
np.put_along_axis(a, np.array([[1]]), [9], axis=1)
a
array([[5, 9],
[7, 9]])
這裏,請注意[1,0]
並不代表第2行第1列。相反,它代表 a 的扁平化版本的第 1 個和第 0 個索引。因此,我們可以等效地使用[0,1]
來代替。
相關用法
- Python PIL putpixel()用法及代碼示例
- Python PIL putalpha()用法及代碼示例
- Python NumPy putmask方法用法及代碼示例
- Python NumPy put方法用法及代碼示例
- Python PIL putdata()用法及代碼示例
- Python pandas.arrays.IntervalArray.is_empty用法及代碼示例
- Python pyspark.pandas.Series.dropna用法及代碼示例
- Python pyspark.pandas.groupby.SeriesGroupBy.unique用法及代碼示例
- Python pandas.DataFrame.ewm用法及代碼示例
- Python pandas.api.types.is_timedelta64_ns_dtype用法及代碼示例
- Python pandas.DataFrame.dot用法及代碼示例
- Python pandas.DataFrame.apply用法及代碼示例
- Python pyspark.pandas.Series.dt.weekday用法及代碼示例
- Python pyspark.pandas.DataFrame.select_dtypes用法及代碼示例
- Python Pandas pivot方法用法及代碼示例
- Python pyspark.pandas.date_range用法及代碼示例
- Python pyspark.pandas.isnull用法及代碼示例
- Python pyspark.pandas.Series.hasnans用法及代碼示例
- Python pandas.DataFrame.combine_first用法及代碼示例
- Python pyspark.pandas.Series.rmul用法及代碼示例
- Python pyspark.sql.functions.grouping_id用法及代碼示例
- Python pyspark.pandas.Series.str.repeat用法及代碼示例
- Python pyspark.pandas.DataFrame.groupby用法及代碼示例
- Python pandas.Series.iloc用法及代碼示例
- Python pyspark.ml.feature.DCT用法及代碼示例
注:本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 NumPy | put_along_axis method。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。