NumPy数组元组坐标高效更新：避免常见陷阱与高级索引技巧

import numpy as np

def update(coords):
    # 这里的coords预期是一个包含所有坐标的数组，例如 [[0,0], [1,0], ...]
    # 但 np_arr[coords[0]][coords[1]] 的使用方式是错误的
    # coords[0] 会取出第一个坐标 [0,0]
    # np_arr[coords[0]] 会尝试用 [0,0] 作为索引去访问np_arr，这会失败或导致不期望的结果
    # 即使 coords[0] 只是一个标量，例如 0，np_arr[0] 返回的是第一行，
    # 之后再用 [coords[1]] 去索引，其含义与同时索引不同。
    return np_arr[coords[0]][coords[1]] + 1

size = 3
np_arr = np.zeros((size, size))
# 假设np_indices是一个2D数组，每行代表一个坐标
np_indices = np.array([(x, y) for y in range(size) for x in range(size)])

# 预期得到一个3x3的数组，所有元素加1
# np_arr = update(np_indices) # 这行代码会报错或产生非预期结果
# print(np_arr)

import numpy as np

size = 3
np_arr = np.zeros((size, size))
# 尝试定义一个由两个整数组成的dtype，但实际效果是创建一个2D整数数组
dt = np.dtype('int', 'int') # 这不是创建元组数组的正确方式
np_indices = np.array([(x, y) for y in range(size) for x in range(size)], dtype=dt)

print(np_indices.shape) # 输出 (9, 2)
print(np_indices.dtype) # 输出 dtype('int32') 或 dtype('int64')

import numpy as np

size = 3
np_arr = np.zeros((size, size))

# 假设np_indices是一个2D数组，每行代表一个坐标 (x, y)
# 例如：[[0,0], [1,0], [2,0], [0,1], ...]
np_indices = np.array([(x, y) for y in range(size) for x in range(size)])

# 提取所有行索引和所有列索引
row_indices = np_indices[:, 0] # 获取所有坐标的第一个元素（行索引）
col_indices = np_indices[:, 1] # 获取所有坐标的第二个元素（列索引）

# 使用高级索引进行矢量化更新
np_arr[row_indices, col_indices] += 1

print("使用2D整数数组进行高级索引的结果:")
print(np_arr)

使用2D整数数组进行高级索引的结果:
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

import numpy as np

size = 3
np_arr = np.zeros((size, size))

# 使用结构化dtype创建坐标数组
# 定义一个包含'x'和'y'字段的dtype
dt = np.dtype([('x', 'int'), ('y', 'int')])
np_indices_structured = np.array([(x, y) for y in range(size) for x in range(size)], dtype=dt)

print("结构化数组的形状:", np_indices_structured.shape) # 输出 (9,)，是一个1D数组
print("结构化数组的dtype:", np_indices_structured.dtype) # 输出 [('x', '<i4'), ('y', '<i4')]

# 访问结构化数组的字段来获取行索引和列索引
row_indices_structured = np_indices_structured['x']
col_indices_structured = np_indices_structured['y']

# 使用高级索引进行矢量化更新
np_arr[row_indices_structured, col_indices_structured] += 1

print("\n使用结构化数组进行高级索引的结果:")
print(np_arr)

结构化数组的形状: (9,)
结构化数组的dtype: [('x', '<i4'), ('y', '<i4')]

使用结构化数组进行高级索引的结果:
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

# 示例：不推荐的循环方式（仅为说明，应避免）
# for x, y in np_indices_structured:
#     np_arr[x, y] += 1