用 0 到 1 之间的值替换 numpy 数组元素 [重复]

Question

我有一个非常简单的任务，而 numpy 正在做一些我不明白的事情。我正在尝试用 0 到 1 之间的数字替换满足某些条件的数组元素，并且 numpy 正在将它们全部转换为零。例如：

In [1]: some_array = np.array([0,0,0,1,0,1,1,1,0])

In [2]: nonzero_idxs = np.where(some_array != 0)[0]

In [3]: nonzero_idxs
Out[3]: array([3, 5, 6, 7])

In [4]: some_array[nonzero_idxs] = 99

In [5]: some_array
Out[5]: array([ 0,  0,  0, 99,  0, 99, 99, 99,  0])

In [6]: some_array[nonzero_idxs] = 0.2

In [7]: some_array[nonzero_idxs]
Out[7]: array([0, 0, 0, 0])

In [8]: some_array[nonzero_idxs] == 0
Out[8]: array([ True,  True,  True,  True], dtype=bool)

如上例所示，用任意值替换值按预期工作，但如果您尝试用小数替换它，它会将其变为零（而且它们不只是看起来 当您打印数组时就像零一样，它们的评估等于零）。当我尝试以其他方式解决此问题时会发生相同的行为，例如使用 np.place。

我正在终端上的 iPython 中执行此操作，如果这有什么不同的话。有人可以解释这里发生了什么，以及如何避免它吗？如有重复请见谅。

Answer 1

原因很简单。

与 Python lists 不同，numpy 数组只能包含特定类型及其子类型的元素。

当您定义some_array 时，它被创建为int32 数组。因此，当您尝试为其分配 float 类型的值时，它被强制为 int 和 int(0.2) == 0。

与您指定数组应包含float32 的情况比较：

some_array = np.array([0, 0, 0, 1, 0, 1, 1, 1, 0], dtype=np.float)
nonzero_idxs = np.where(some_array != 0)[0]
some_array[nonzero_idxs] = 0.2
some_array

输出：

array([0. , 0. , 0. , 0.2, 0. , 0.2, 0.2, 0.2, 0. ])

Answer 2

some_array = np.array([0,0,0,1,0,1,1,1,0]).astype(float) 

使用 numpy 数组作为浮点数将解决您的问题。默认情况下，它似乎是整数，只是将值铲到零。

nonzero_idxs = np.where(some_array != 0)[0]
some_array[nonzero_idxs] = 0.2
# output: array([0. , 0. , 0. , 0.2, 0. , 0.2, 0.2, 0.2, 0. ])

Answer 3

问题是dtype。是int64，你需要把它改成float64（或者只是float）：

some_array = some_array.astype('float')