将条件应用于 numpy 数组的选项

Question

我想将条件应用于 numpy 数组，我觉得那里有更好的方法。作为一个玩具示例，我想知道元素在哪里等于 2 或 3。

import numpy as np
a = np.arange(5)

一种方法是使用像这样的 numpy 函数逐个构造我的条件

result = np.logical_or(a == 2, a == 3)

我们可以看到，在更复杂的条件下，这会变得多么笨拙。另一种选择是使用列表推导

result = np.array([x for x in a if x == 2 or x==3])

这很好，因为现在我所有的条件逻辑都可以放在一个地方，但由于与列表之间的转换，感觉有点笨拙。它对于多维数组也不太适用。

有没有更好的选择我错过了？

Answer 1

需要指出的是，在第一个示例中，您有一个逻辑数组，而不是数组 [2, 3]（就像您在第二个示例中看到的那样）。要从第二个答案中恢复结果，您需要

result = a[result]

但是，在这种情况下，由于您使用的是布尔掩码（True/False 大约相当于 1/0），您实际上可以按位使用或执行与 @987654327 相同的操作@：

result = a[(a==2) | (a==3)]

这里要注意一点——确保使用括号。否则，这些表达式中的运算符优先级可能会有点讨厌（| 绑定比== 更紧密）。

Answer 2

您可以使用delete 从numpy array 中删除元素

np.delete(a,[0,1,4])

或者如果你想保留补语，

np.delete(a,np.delete(a,[2,3]))

Answer 3

您可以 & 一起使用视图以获得任意复杂的结果：

>>> A = np.random.randint(0, 100, 25).reshape(5,5)
>>> A
array([[98,  4, 46, 40, 24],
       [93, 75, 36, 19, 63],
       [23, 10, 62, 14, 59],
       [99, 24, 57, 78, 74],
       [ 1, 83, 52, 54, 27]])
>>> A>10
array([[ True, False,  True,  True,  True],
       [ True,  True,  True,  True,  True],
       [ True, False,  True,  True,  True],
       [ True,  True,  True,  True,  True],
       [False,  True,  True,  True,  True]], dtype=bool)
>>> (A>10) & (A<20)
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False],
       [False, False, False, False, False]], dtype=bool)
>>> (A==19) | (A==14)  # same output

您也可以编写一个函数并使用 map 在每个元素上调用该函数。函数内部有任意数量的测试：

>>> def test(ele):
...    return ele==2 or ele==3
... 
>>> map(test,np.arange(5))
[False, False, True, True, False]

你可以使用 numpy.vectorize：

>>> def test(x):
...    return x>10 and x<20
...
>>> v=np.vectorize(test)
>>> v(A)
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False],
       [False, False, False, False, False]], dtype=bool)