Numpy双重切片赋值无法更新原矩阵问题求助

两种赋值操作的核心差异 #

单切片赋值（A[indexes,:] = 1） #

这种方式直接对原数组的目标位置进行赋值。即便使用了整数数组索引（高级索引），赋值操作会直接定位到原数组内存中对应的区域，修改的是原数组本身，因此能看到原数组的变化。

链式切片赋值（A[indexes,:][:,indexes] = 1） #

这是两步独立的索引操作：

1. 第一步A[indexes,:]会生成原数组的副本（整数数组索引属于高级索引，返回的是独立于原数组的副本，而非视图）；
2. 第二步[:,indexes]是对这个临时副本做切片，赋值操作仅作用于该副本，完全不会影响原数组A。这就是打印原数组时看不到变化的原因。

解决办法：一次性索引定位目标位置 #

要直接修改原数组中所有(i,j)属于indexes的位置，需要用一次性的二维高级索引，同时指定行和列的索引，避免生成中间副本。有两种常用方式：

方式1：用np.newaxis扩展索引维度 #

通过扩展行索引的维度，让Numpy自动广播生成二维索引网格：

A[indexes[:, np.newaxis], indexes] = 1

方式2：用np.ix_构建索引网格 #

np.ix_会将一维索引数组转换为能选中二维网格的索引对，代码更直观：

A[np.ix_(indexes, indexes)] = 1

修改后的完整代码 #

import numpy as np

A = np.array([
[0,0,0,0,0,0],
[0,0,1,0,0,0],
[0,1,0,1,1,0],
[0,0,1,0,0,0],
[0,0,1,0,0,1],
[0,0,0,0,1,0]])
x = A[2,:]
indexes = np.where(x==1)[0]
# 使用np.ix_实现正确赋值
A[np.ix_(indexes, indexes)] = 1
print(A[indexes,:][:,indexes])
print(A)

运行这段代码后，原数组A中所有(i,j)属于indexes的位置都会被设为1，符合需求。

内容的提问来源于stack exchange，提问作者Niv Peretz