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].shapeiBa.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)BaBchoices[i]
如果， a（以及Bamode='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， amode='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。Ban-1n-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]nmode=wrapmode=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 modn

'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]]])