用相应的值替换 Numpy 数组中多次出现的元素集

Question

请考虑以下代码：

arr = np.array([0, 1, 3, 5, 5, 6, 7, 9, 8, 9, 3, 2, 4, 6])
mapping = np.array([0, 10, 20, 30, 40, 55, 66, 70, 80, 90])
res = np.zeros_like(arr)
min_val = 0
max_val = 10

for val in range(min_val, max_val):
    res[arr == val] = mapping[val]

print(res)

Numpy 数组 arr 可以多次出现区间 [min_val, max_val) 中的整数。 mapping 数组将具有每个整数的映射，mapping 数组的大小将为 max_val。 res数组是结果数组。

for 循环将 arr 中多次出现的元素替换为 mapping 中的相应值。例如，arr 中的 0 值将替换为 mapping[0]，而 arr 中的 5 将替换为 mapping[5]。

以上代码运行结果如下

[ 0 10 30 55 55 66 70 90 80 90 30 20 40 66]

问题：如何使用 Numpy 而不是 for 循环来执行此操作？

答案是用Numpy的fancy indexing

Answer 1

您可以简单地使用 arr 作为 mapping 的索引数组：

mapping[arr]

输出是

[ 0 10 30 55 55 66 70 90 80 90 30 20 40 66]

您可以阅读有关 indexing arrays 的官方 SciPy 文档。文档中的示例：

>>> x = np.arange(10,1,-1)
>>> x
array([10,  9,  8,  7,  6,  5,  4,  3,  2])
>>> x[np.array([3, 3, 1, 8])]
array([7, 7, 9, 2])

索引数组的值用作源数组的索引。

这也可以用 multidimensional arrays:


>>> x = array([[ 0,  1,  2],
...            [ 3,  4,  5],
...            [ 6,  7,  8],
...            [ 9, 10, 11]])
>>> rows = np.array([[0, 0],
...                  [3, 3]], dtype=np.intp)
>>> columns = np.array([[0, 2],
...                     [0, 2]], dtype=np.intp)
>>> x[rows, columns]
array([[ 0,  2],
       [ 9, 11]])

Answer 2

只需使用 mapping[arr] 访问新 Numpy 数组中的正确元素：

>>> arr = np.array([0, 1, 3, 5, 5, 6, 7, 9, 8, 9, 3, 2, 4, 6])
>>> mapping = np.array([0, 10, 20, 30, 40, 55, 66, 70, 80, 90])
>>> print(mapping[arr])
array([ 0, 10, 30, 55, 55, 66, 70, 90, 80, 90, 30, 20, 40, 66])

如果你想要它作为 list:

>>> print(list(mapping[arr]))
[0, 10, 30, 55, 55, 66, 70, 90, 80, 90, 30, 20, 40, 66]

用相应的值替换 Numpy 数组中多次出现的元素集

Replace set of multiple occurring elements in Numpy array with corresponding values

python

arrays

numpy

numpy-ndarray