python - numpy 中的高效向量选择

Question

在给定数组索引列表的情况下，是否有一种有效的 numpy 机制可以从二维数组生成值数组？

具体来说，我有一个二维坐标列表，代表二维 numpy 数组中有趣的值。我按如下方式计算这些坐标:

nonzeroValidIndices = numpy.where((array2d != noDataValue) & (array2d != 0))
nonzeroValidCoordinates = zip(nonzeroValidIndices[0],nonzeroValidIndices[1])

从那里开始，我通过循环遍历坐标并一次索引一个 numpy 数组来构建 map ，类似于这个简化示例:

for coord in nonzeroValidCoordinates:       
    map[coord] = array2d[coord]

我有几个庞大的数据集，我正在迭代这个算法，所以我对一个有效的解决方案很感兴趣。通过分析，我怀疑 array2d[coord] 行造成了一些痛苦。是否有更好的矢量形式来从 array2d 生成整个值矢量，或者我是否坚持一次索引一个值？

Answer 1

这样的事情怎么样:

a = np.arange(100).reshape((10,10))
ii = np.where(a > 27) # your nonzeroValidIndices
b = np.zeros_like(a) # your map
b[ii] = a[ii]

您可以使用 np.where 的结果来索引数组，如上所示。这应该完成类似于您在没有循环的情况下所做的事情，但我并不完全清楚您的目标 2D 数组实际上应该来自您的问题。不知道 map 是什么，看起来就像是将数据复制到相同大小的数组中。