numpy.选择#
- 麻木的。选择( a ,选择, out = None , mode = 'raise' ) [来源] #
从索引数组和可供选择的数组列表构造一个数组。
首先,如果感到困惑或不确定,一定要看看示例 - 从其完整的一般性来看,这个函数并不像下面的代码描述(下面的 ndi =
numpy.lib.index_tricks
)看起来那么简单:np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])
。但这忽略了一些微妙之处。这是一个完整的概括:
给定一个整数“索引”数组(a)和一系列
n
数组(choices),a和每个choice数组首先根据需要广播到常见形状的数组;调用这些Ba和Bchoices[i], i = 0,…,n-1我们必然 对于每个都有这样的结果。然后,创建一个具有形状的新数组,如下所示:Ba.shape == Bchoices[i].shape
i
Ba.shape
if
mode='raise'
(默认值),那么,首先,a
(因此Ba
) 的每个元素都必须在范围;现在,假设(在该范围内)是 位置 in的值- 那么新数组中同一位置的值就是该同一位置的值;[0, n-1]
i
(j0, j1, ..., jm)
Ba
Bchoices[i]
如果, a(以及Ba
mode='wrap'
)中的值可以是任何(有符号)整数;模运算用于将范围 [0, n-1]之外的整数映射回该范围;然后按照上面的方法构造新数组;如果, a
mode='clip'
中的值(因此)可以是任何(有符号)整数;负整数映射为0;大于的值 映射到;然后按照上面的方法构造新数组。Ba
n-1
n-1
- 参数:
- 一个int 数组
该数组必须包含 中的整数,其中是选择数,除非或,在这种情况下允许使用任何整数。
[0, n-1]
n
mode=wrap
mode=clip
- 选择数组序列
选择数组。a并且所有选择都必须可广播为相同的形状。如果options本身就是一个数组(不推荐),则将其最外层维度(即 对应的维度
choices.shape[0]
)视为定义“序列”。- 输出数组,可选
如果提供,结果将被插入到该数组中。它应该具有适当的形状和类型。请注意,如果;则out始终被缓冲。
mode='raise'
使用其他模式以获得更好的性能。- 模式{'raise'(默认)、'wrap'、'clip'},可选
指定如何处理外部索引:
[0, n-1]
'raise' :引发异常
'wrap' :值变为值 mod
n
'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。
- 加薪:
- ValueError:形状不匹配
如果一个和每个选择数组不能全部广播到相同的形状。
也可以看看
ndarray.choose
等效方法
numpy.take_along_axis
如果选项是数组,则更好
笔记
为了减少误解的可能性,即使名义上支持以下“滥用”,选择既不应该是也不应该被认为是单个数组,即最外层的类似序列的容器应该是列表或元组。
例子
>>> 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
几个例子说明了如何选择广播:
>>> 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]]])