如何在Python中由行列号求索引？适配np.put()函数需求

嘿，这个问题其实挺 straightforward 的，咱们直接说核心解法就行——对于 numpy 默认的行优先（C 风格）存储的二维矩阵，一维索引的计算公式是：行号 × 矩阵的列数 + 列号

为什么这个公式管用？ #

numpy 里的二维矩阵在内存里是按行连续存储的，比如你的 6×6 矩阵，第0行的元素占据索引0-5，第1行是6-11，以此类推。所以第r行的第一个元素的索引就是 r × 列数，再加上列号c，就是对应位置的一维索引了。

针对你的示例的具体代码 #

import numpy as np

heatmap = np.zeros((6,6), dtype=int)
r, c = 3, 3  # 你要找的data[3,3]

# 计算对应的一维索引
flat_index = r * heatmap.shape[1] + c  # shape[1]就是矩阵的列数，这里是6

# 用np.put测试一下
np.put(heatmap, flat_index, 100)

# 验证结果
print(heatmap[3, 3])  # 输出100，说明赋值成功
print(heatmap.flatten()[flat_index])  # 同样输出100，确认索引对应正确

补充说明 #

如果你的矩阵是按列优先（Fortran 风格）存储的（比如用 np.zeros((6,6), order='F') 创建的），那公式就要换成 列号 × 矩阵的行数 + 行号，不过 numpy 默认都是行优先，所以一般用第一个公式就够了。

之前你试的 where()、enumerate() 这些函数其实都不是干这个活的——where 是用来筛选满足条件的元素索引，enumerate 是遍历用的，它们都不是直接做二维到一维索引转换的工具，这个转换本质就是个简单的数学计算，不用复杂函数～

内容的提问来源于stack exchange，提问作者Random Data