numpy.choose#
- numpy.choose(a, choices, out=None, mode='raise')[source]#
从索引数组和要选择的数组列表构建数组。
首先,如果感到困惑或不确定,请务必查看示例 - 在其完全通用性中,此函数比以下代码描述(ndi = numpy.lib.index_tricks)看起来要复杂。
np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])
.但这忽略了一些细微之处。以下是对完全通用的总结
给定一个整数“索引”数组 (a) 和
n
个数组 (choices) 的序列,a 和每个选择数组首先根据需要广播,以形成具有相同形状的数组;将这些数组称为 Ba 和 Bchoices[i], i = 0,…,n-1,我们必须有Ba.shape == Bchoices[i].shape
,对于每个i
。然后,将创建一个具有形状Ba.shape
的新数组,如下所示如果
mode='raise'
(默认值),那么,首先,a
(以及Ba
)中的每个元素必须在范围内[0, n-1]
;现在,假设i
(在这个范围内)是Ba
中(j0, j1, ..., jm)
位置的值 - 那么新数组中相同位置的值是Bchoices[i]
中相同位置的值;如果
mode='wrap'
,a(以及 Ba)中的值可以是任何(有符号)整数;使用模运算将范围外的整数映射回 [0, n-1];然后,如上所述构建新数组;如果
mode='clip'
,a(以及Ba
)中的值可以是任何(有符号)整数;负整数映射为 0;大于n-1
的值映射为n-1
;然后,如上所述构建新数组。
- 参数::
- aint 数组
此数组必须包含
[0, n-1]
中的整数,其中n
是选择的数量,除非mode=wrap
或mode=clip
,在这种情况下,任何整数都是允许的。- choices数组序列
选择数组。 a 和所有选择必须可以广播到相同的形状。如果 choices 本身是一个数组(不推荐),则其最外层维度(即对应于
choices.shape[0]
的维度)被视为定义“序列”。- out数组,可选
如果提供,结果将插入此数组中。它应该具有适当的形状和 dtype。请注意,如果
mode='raise'
,则 out 始终被缓冲;使用其他模式以获得更好的性能。- mode{‘raise’ (默认值), ‘wrap’, ‘clip’}, 可选
指定
[0, n-1]
之外的索引如何处理‘raise’:引发异常
‘wrap’:值变为值 mod
n
‘clip’:值 < 0 映射为 0,值 > n-1 映射为 n-1
- 返回值::
- merged_array数组
合并的结果。
- 引发::
- ValueError:形状不匹配
如果 a 和每个选择数组都不能广播到相同的形状。
另请参阅
ndarray.choose
等效方法
numpy.take_along_axis
如果 choices 是一个数组,则更可取
注释
为了降低误解的可能性,即使以下“滥用”在名义上得到支持,choices 也不应被视为单个数组,即最外层序列式容器应是列表或元组。
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
几个示例说明了 choose 如何广播
>>> 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]]])