指定给2D NumPy数组的切片

您可以使用广播比较生成掩码,并将其索引到 arr 因此:

arr[np.arange(arr.shape[1]) <= idxs[:, None]] = 0

print(arr) 
array([[0, 2, 3, 4],
       [0, 0, 3, 4],
       [0, 0, 0, 4],
       [0, 2, 3, 4]])

这就是诀窍:

import numpy as np    

arr = np.array([[1,2,3,4],
               [1,2,3,4],
               [1,2,3,4],
               [1,2,3,4]])
idxs = [0,1,2,0]
for i,j in zip(range(arr.shape[0]),idxs):
  arr[i,:j+1]=0

import numpy as np

arr = np.array([[1, 2, 3, 4],
                [1, 2, 3, 4],
                [1, 2, 3, 4],
                [1, 2, 3, 4]])

idxs = np.array([0, 1, 2, 0])

for i, idx in enumerate(idxs):
    arr[i,:idx+1] = 0

以下是一个稀疏的解决方案,在只需将一小部分位置归零的情况下可能会很有用:

>>> idx = idxs+1
>>> I = idx.cumsum()
>>> cidx = np.ones((I[-1],), int)
>>> cidx[0] = 0
>>> cidx[I[:-1]]-=idx[:-1]
>>> cidx=np.cumsum(cidx)
>>> ridx = np.repeat(np.arange(idx.size), idx)
>>> arr[ridx, cidx]=0
>>> arr
array([[0, 2, 3, 4],
       [0, 0, 3, 4],
       [0, 0, 0, 4],
       [0, 2, 3, 4]])

说明:我们需要构造要放入零的位置的坐标。

行索引很简单:我们只需要从0到3重复每个数字来填充相应的切片。

列索引从零开始,大部分时间递增1。所以,为了构造它们,我们在大多数情况下使用cumsum。只有在每一行的开头,我们才需要重置。我们通过减去相应切片的长度来实现这一点,例如取消我们在该行中求和的长度。