numpy.choose#

numpy.choose(a, choices, out=None, mode='raise')[source]#

从一个索引数组和一组供选择的数组中构造一个数组。

首先，如果感到困惑或不确定，请务必查看示例——从其完整性来看，此函数不像下面的代码描述那样简单。

np.choose(a,c) == np.array([c[a[I]][I] for I in np.ndindex(a.shape)])

但这省略了一些细节。以下是一个完全通用的总结：

给定一个整数“索引”数组 (a) 和一个由 n 个数组组成的序列 (choices)，a 和每个选择数组首先会根据需要广播成共同的形状；将它们称为 Ba 和 Bchoices[i], i = 0,…,n-1，那么必然有 Ba.shape == Bchoices[i].shape 对于每个 i 都成立。然后，会创建一个形状为 Ba.shape 的新数组，如下所示：

  • 如果 mode='raise'（默认），那么首先，a（以及 Ba）的每个元素都必须在 [0, n-1] 范围内；现在，假设 i（在该范围内）是 Ba 中 (j0, j1, ..., jm) 位置的值，那么新数组中相同位置的值就是 Bchoices[i] 中该位置的值；

  • 如果 mode='wrap'，a（以及 Ba）中的值可以是任何（有符号）整数；模运算用于将超出 [0, n-1] 范围的整数映射回该范围；然后按上述方法构造新数组；

  • 如果 mode='clip'，a（以及 Ba）中的值可以是任何（有符号）整数；负整数会映射到 0；大于 n-1 的值会映射到 n-1；然后按上述方法构造新数组。

参数:
aint 数组

此数组必须包含 [0, n-1] 范围内的整数，其中 n 是选择的数量，除非 mode=wrap 或 mode=clip，在这些情况下允许任何整数。

choices数组序列

选择数组。a 和所有选择都必须能够广播成相同的形状。如果 choices 本身是一个数组（不推荐），那么其最外层维度（即与 choices.shape[0] 对应的维度）被视为定义了“序列”。

out数组，可选

如果提供，结果将插入到此数组中。它应具有适当的形状和数据类型。请注意，如果 mode='raise'，则 out 始终会被缓冲；请使用其他模式以获得更好的性能。

mode{‘raise’ (默认), ‘wrap’, ‘clip’}，可选

指定如何处理超出 [0, n-1] 范围的索引

  • ‘raise’ : 抛出异常

  • ‘wrap’ : 值变为 值 对 n 取模

  • ‘clip’ : 值 < 0 映射到 0，值 > n-1 映射到 n-1

返回:
merged_array数组

合并后的结果。

引发:
ValueError: 形状不匹配

如果 a 和每个选择数组不能都广播成相同的形状。

另请参阅

ndarray.choose

等效方法

numpy.take_along_axis

如果 choices 是一个数组，则更推荐使用此方法

注意

为了减少误解的可能性，尽管以下“滥用”名义上受支持，但 choices 既不应该是一个单一数组，也不应该被视为一个单一数组，即最外层的类序列容器应该是一个列表或元组。

示例

>>> import numpy as np
>>> choices = [[0, 1, 2, 3], [10, 11, 12, 13],
...   [20, 21, 22, 23], [30, 31, 32, 33]]
>>> np.choose([2, 3, 1, 0], choices
... # the first element of the result will be the first element of the
... # third (2+1) "array" in choices, namely, 20; the second element
... # will be the second element of the fourth (3+1) choice array, i.e.,
... # 31, etc.
... )
array([20, 31, 12,  3])
>>> np.choose([2, 4, 1, 0], choices, mode='clip') # 4 goes to 3 (4-1)
array([20, 31, 12,  3])
>>> # because there are 4 choice arrays
>>> np.choose([2, 4, 1, 0], choices, mode='wrap') # 4 goes to (4 mod 4)
array([20,  1, 12,  3])
>>> # i.e., 0

几个说明 choose 如何广播的示例

>>> a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
>>> choices = [-10, 10]
>>> np.choose(a, choices)
array([[ 10, -10,  10],
       [-10,  10, -10],
       [ 10, -10,  10]])

>>> # With thanks to Anne Archibald
>>> a = np.array([0, 1]).reshape((2,1,1))
>>> c1 = np.array([1, 2, 3]).reshape((1,3,1))
>>> c2 = np.array([-1, -2, -3, -4, -5]).reshape((1,1,5))
>>> np.choose(a, (c1, c2)) # result is 2x3x5, res[0,:,:]=c1, res[1,:,:]=c2
array([[[ 1,  1,  1,  1,  1],
        [ 2,  2,  2,  2,  2],
        [ 3,  3,  3,  3,  3]],
       [[-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5]]])
在本页