python - numpy 多维数组的条件运算

Question

我是一个 numpy 的初学者，我需要你的帮助来解决以下问题:我想用第三个数组替换多维数组中小于第二个数组的一些元素；例如:

x = np.arange(16).reshape((2, 8)) 
# x = np.array([[ 0,  1,  2,  3,  4,  5,  6,  7],
#               [ 8,  9, 10, 11, 12, 13, 14, 15]])

和

y = np.array([[2], [13]])
# y = np.array([[ 2], [13]])

现在，找出 x 大于 y 的地方，如果 x > y 中至少有一个 True 数组，计算这些实例，创建另一个数组(z)并将这些元素中的 x 替换为 z:

x > y 
# = [[False, False, False, True,  True,  True,  True, True],
#    [False, False, False, False, False, False, True, True]]

在这种情况下，x (x[:,3:]) 的 5 个元素应该被替换，所以我们创建一个 (5, 2) 数组:

z = np.array([[20,21],[22,23],[24,25],[26,27],[28,29]])

我想要的结果是

x == np.array([[ 0,  1,  2, 20, 22, 24, 26, 28],
               [ 8,  9, 10, 21, 23, 25, 27, 29]])

Answer 1

一个 numpy 函数几乎正是你想要的是 numpy.where:

x = np.arange(16).reshape((2, 8))
y = np.array([[2], [13]])
z = np.arange(16, 32).reshape((2, 8))
numpy.where(~(x > y).any(axis=0), x, z)

结果:

array([[ 0,  1,  2, 19, 20, 21, 22, 23],
       [ 8,  9, 10, 27, 28, 29, 30, 31]])

这与您要求的唯一区别是 z 必须可广播为与 x 相同的形状。除非您绝对需要使用一个 z 值，其列数与 ~(x > y) 中的 True 值一样多.any(axis=0)，我认为这是最好的方法。

但是，鉴于您的评论，您似乎确实需要使用如上所述的 z 值。听起来该函数可以保证形状匹配，所以您可以这样做:

x[:,(x > y).any(axis=0)] = z.T

测试:

>>> z = np.arange(20, 30).reshape((5, 2))
>>> x[:,(x > y).any(axis=0)] = z.T
>>> x
array([[ 0,  1,  2, 20, 22, 24, 26, 28],
       [ 8,  9, 10, 21, 23, 25, 27, 29]])