在Matlab的delsq演示中，用numpy方法对向量映射进行ndarray处理？

Question

在Matlab中，你可以很容易地设置一个带编号的网格，并通过各种索引技巧将操作符映射到“矢量化”的表单上。更明确地编写这个并不难，但我想知道是否有一个numpy方法来实现这一点？也许是vianumpy.nditer？在

这段代码（参见mathworks示例）使用存储在矩阵网格G中的顺序从向量u到矩阵u：

U = G;
U(G>0) = full(u(G(G>0)));

参考文献：

http://www.mathworks.com/products/matlab/examples.html?file=/products/demos/shipping/matlab/delsqdemo.html

Answer 1

也许我误解了，但是你的问题似乎是关于boolean indexing and assignment，而不是与使用delsq的特定示例有关，等等

为了扩展我的评论，听起来你只是想：（使用x而不是u来避免混淆大写）

U = G.copy()
U[G > 0] = x

作为一个更具体的例子，假设您有一个数组（让我们使用这个例子中的一个，ipython的%paste x命令使这个过程更简单）：

^{pr2}$

这就产生了：

[[  0   0   0   0   0   0   0   0   0   0   0   0]
 [  0 385 417 399 394 104 474 328 396 129 230   0]
 [  0 189 440 298 120 278 115 148 142 454 405   0]
 [  0 490 484 240 312 339 192 212 287 468 225   0]
 [  0 348 300 486 485 162 159 258 418 335 110   0]
 [  0 495 496 392 364 215 122 213 222 412 122   0]
 [  0   0   0   0   0   0 442 188 325 248 225   0]
 [  0   0   0   0   0   0 431 233 141 307 339   0]
 [  0   0   0   0   0   0 259 325 102 131 333   0]
 [  0   0   0   0   0   0 458 381 127 333 170   0]
 [  0   0   0   0   0   0 454 229 162 216 192   0]
 [  0   0   0   0   0   0   0   0   0   0   0   0]]

另一方面，matlab示例处理的是稀疏数组。scipy.sparse提供了多种稀疏数组类型，但并非所有类型都支持这种类型的索引。但是，如果处理稀疏数组，只需sparse_array.data[:] = newvals来更改值，同时保持稀疏结构。在