代码之家 › 专栏 › 技术社区 › Edy Bourne

如何仅在三维Numpy数组的某些列中用另一个值替换一个值?

array-broadcasting numpy arrays python

Edy Bourne · 技术社区 · 2 年前

我有一个3d numpy数组和一个列列表(轴=1),我想用一个常数值替换所有的零:

我的样本数据如下:

data = np.array([
    [[10, 10, 10], [0, 10, 10], [0, 10, 0]],
    [[20, 0, 20], [20, 20, 0], [0, 20, 20]],
    [[0, 30, 30], [30, 0, 30], [0, 30, 30]],
])

我的尝试是:

columns_to_replace = [0, 1]
data[data[:, columns_to_replace, :] == 0.0] = 1000  # value to replace

但这会导致:

IndexError: boolean index did not match indexed array along dimension 1; dimension is 3 but corresponding boolean dimension is 2

我希望输出为:

[[[10 10 10]
  [ 1000 10 10]
  [ 0 10  0]]

 [[20  1000 20]
  [20 20  1000]
  [ 0 20 20]]

 [[ 1000 30 30]
  [30  1000 30]
  [ 0 30 30]]]

其中,第二维度的索引0和1将所有零替换为1000。

我想我可能必须组成这个内部布尔数组,以便形状与 data 数组中未包含的列 columns_to_replace 数组都设置为 True ,但不确定如何实现。

我是走在正确的轨道上,还是有其他更好的方法?

1 回复 | 直到 2 年前

Alijoonami 2 年前

请尝试以下操作:

import numpy as np

data = np.array([
    [[10, 10, 10], [0, 10, 10], [0, 10, 0]],
    [[20, 0, 20], [20, 20, 0], [0, 20, 20]],
    [[0, 30, 30], [30, 0, 30], [0, 30, 30]],
])

columns_to_replace = [0, 1]
value_to_replace = 1000

# Create a boolean mask for the zeros
mask = data[:, columns_to_replace, :] == 0

# Use the mask to replace the zeros with the desired value
data[:, columns_to_replace, :][mask] = value_to_replace

print(data)

我得到的结果是:

[[[  10   10   10]
[1000   10   10]
[   0   10    0]]

[[  20 1000   20]
[  20   20 1000]
[   0   20   20]]

[[1000   30   30]
[  30 1000   30]
[   0   30   30]]]

推荐文章

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

1 年前

unfolx · numpy数组不等式的执行时间

1 年前

mchaudh4 · 用numpy表示三对角矩阵

1 年前

Geremia · 2D NumPy数组+1D数组?

1 年前

LMC · Numpy数组布尔索引以获取包含元素

1 年前

HJA24 · 根据条件用值正向填充Numpy矩阵/掩码

1 年前

alpelito7 · 如何只获取numpy数组中每个递增值的第一次出现?

1 年前

Amarth Gûl · 找到一组向量的最近收敛点

1 年前

Mr. W · numpy.divide是函数、类还是其他什么?

1 年前

Mr. W · 为什么numpy.array在编辑内部数据时如此缓慢?

1 年前