如何将numpy数组中的所有值替换为零(除了一个特定值)?

import numpy as np
x = np.array([[12, 35, 12, 26], [35, 35, 12, 26]])
(x == 35).astype(int)

将为您提供:

array([[0, 1, 0, 0],
       [1, 1, 0, 0]])

numpy中的==运算符执行元素级比较,将布尔值转换为int时,True编码为1,False编码为0。

与所有其他解决方案相比,一种更优雅的方法是 np.isin()

>>> arr
array([[12, 35, 12, 26],
       [35, 35, 12, 26]])

# get the result as binary matrix
>>> np.isin(arr, 35).astype(np.uint8)
array([[0, 1, 0, 0],
       [1, 1, 0, 0]])

np。isin() 将返回 布尔掩码 具有 True 给定元素(此处 35 )存在于原始数组中,并且 False 在别处

另一种变体是使用 np.asarray() 具有数据类型 np.uint8 为了提高速度:

In [18]: np.asarray(np.isin(x, 35), dtype=np.uint8)
Out[18]: 
array([[0, 1, 0, 0],
       [1, 1, 0, 0]], dtype=uint8)

标杆管理

通过将布尔结果显式转换为 uint8 ,我们可以获得 性能提高3倍 . (感谢 @Divakar 为了指出这一点!)请参见以下计时:

# setup (large) input array
In [3]: x = np.arange(25000000)
In [4]: x[0] = 35
In [5]: x[1000000] = 35
In [6]: x[2000000] = 35
In [7]: x[-1] = 35
In [8]: x = x.reshape((5000, 5000))

# timings
In [20]: %timeit np.where(x==35, 1, 0)
427 ms ± 25.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [21]: %timeit (x == 35) + 0
450 ms ± 72 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [22]: %timeit (x == 35).astype(np.uint8)
126 ms ± 37.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

# the fastest choice to go for!    
In [23]: %timeit np.isin(x, 35).astype(np.uint8)
115 ms ± 2.21 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [24]: %timeit np.asarray(np.isin(x, 35), dtype=np.uint8)
117 ms ± 2.91 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

如果你想要一匹真正的战马,那么使用 numexpr 如下所示:

In [8]: import numexpr as ne

In [9]: %timeit ne.evaluate("x==35").astype(np.uint8)
23 ms ± 2.69 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

这是 大约快20倍 比使用基于NumPy的计算的最慢方法。

最后,如果 意见 没关系,我们可以通过NumPy方法本身获得如此疯狂的加速。

In [13]: %timeit (x == 35).view(np.uint8)
20.1 ms ± 93.2 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [15]: %timeit np.isin(x, 35).view(np.uint8)
30.2 ms ± 1.16 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

(再次感谢 @迪瓦卡 用于提及 these super nice tricks !)

import numpy as np
x = np.array([[12, 35, 12, 26], [35, 35, 12, 26]])
(x == 35) + 0

数组([[0,1,0,0], [1, 1, 0, 0]])

另一种选择是使用 np.where ; 此解决方案比 @yuji's solution (参见下面的计时)但如果您不想输入0和1,那么它会更灵活(参见下面的示例)。

import numpy as np
x = np.array([[12, 35, 12, 26], [35, 35, 12, 26]])
np.where(x==35, 1, 0)

由此产生

array([[0, 1, 0, 0],
       [1, 1, 0, 0]])

你可以这样读 如果x等于35,则将其放入1,其他地方插入0 .

如前所述,您现在有了很大的灵活性,例如,您还可以执行以下操作:

np.where(x==35, np.sqrt(x), x - 3)

array([[  9.        ,   5.91607978,   9.        ,  23.        ],
       [  5.91607978,   5.91607978,   9.        ,  23.        ]])

所以到处都是 x 等于 35 ,得到平方根,然后从所有其他值中减去 3 .

时间安排:

%timeit np.where(x==35, 1, 0)
100000 loops, best of 3: 5.85 µs per loop

%timeit (x == 35).astype(int)
100000 loops, best of 3: 3.23 µs per loop

%timeit np.isin(x, 35).astype(int)
10000 loops, best of 3: 18.7 µs per loop

%timeit (x == 35) + 0
100000 loops, best of 3: 5.85 µs per loop

如果数组是numpy数组,则可以在数组上使用“==”操作符返回布尔数组。然后使用astype功能将其转换为0和1。

import numpy as np
my_array = np.array([[12, 35, 12, 26],
                     [35, 35, 12, 26]])

indexed = (my_array == 35).astype(int)

print indexed

我喜欢 @yuji approach . 非常优雅!

为了多样性,这是另一个需要大量劳动的答案。。。。

>>> from numpy import np
>>> x = np.array([[12, 35, 12, 26],[35, 35, 12, 26]])
>>> x
array([[12, 35, 12, 26],
       [35, 35, 12, 26]])
>>> y=np.zeros(x.shape)
>>> y[np.where(x==35)] = np.ones(len(np.where(x==35)[0]))
>>> y
array([[ 0.,  1.,  0.,  0.],
       [ 1.,  1.,  0.,  0.]])
>>>