python - 使用掩码和其他数组替换数组中的值

Question

我有一个一维“from”数组(称之为 “frm”)，其中包含具有关联 bool 掩码数组的值:“ mask"(与 frm 形状相同)。然后我有第三个“替换”数组:“repl”，也是一维但长度比其他两个短。

有了这些，我想生成一个新数组 ("to")，其中包含 frm values except where mask==True 在这种情况下，它应该采用 in-order 来自 repl 。 (请注意，mask 中 True 元素的数量等于 repl 的长度).

我一直在寻找一种“聪明”的 numpy 方法来实现它？我查看了 np.where、np.take、np.select、np.choose 等方法，但没有似乎“符合要求”？

“切入代码”，这是我到目前为止所拥有的。它工作正常但似乎不是“Numpythonic”？ (甚至是 Pythonic 的)

frm  = [1, 2, 3, 4, 5]
mask = [False, True, False, True, True]
repl = [200, 400, 500]
i = 0; to = []
for f,m in zip(frm,mask):
    if m:
        to.append(repl[i])
        i += 1
    else:
        to.append(f)
print(to)

产量:[1, 200, 3, 400, 500]

(背景:我需要这样做的原因是因为我正在对 Pandas pd.Dataframe 类进行子类化，并且需要一个列/索引的“setter”。由于 pd.Index 不能被“切片索引”，我需要先复制索引/列数组，根据掩码替换副本中的一些元素，然后让 setter 设置完整的新值。让我知道是否有人知道更优雅的解决方案)。

Answer 1

numpy解决方案:

像这样很简单:

# convert frm to a numpy array:
frm = np.array(frm)
# create a copy of frm so you don't modify original array:
to = frm.copy()

# mask to, and insert your replacement values:
to[mask] = repl

然后 to 返回:

>>> to
array([  1, 200,   3, 400, 500])

pandas 解决方案:

如果您的数据框如下所示:

>>> df
   column
0       1
1       2
2       3
3       4
4       5

然后你可以使用loc:

df.loc[mask,'column'] = repl

然后你的数据框看起来像:

>>> df
   column
0       1
1     200
2       3
3     400
4     500