python - 如何使用 python 替换大型二维数组中存在的所有匹配数组？

Question

我有一个很大的二维数组。我想用另一个数组替换特定的数组元素。更清楚地说，这是我想在 python 中做的一个例子:

a = np.random.randint(0, 255, size=(10, 3))
print "a : \n", a
a[a<200]=0
a[a>=200]=255
print "Normalize a : \n", a

它给出任何随机输出，如:

a :
    [[119  19  16]
     [226  33 102]
     [163 188 235]
     [ 22  85 176]
     [ 25 188  85]
     [ 78 146 141]
     [229  10  37]
     [ 38  79  92]
     [142 107 213]
     [107 228 145]]
Normalize a :
    [[  0   0   0]
     [255   0   0]
     [  0   0 255]
     [  0   0   0]
     [  0   0   0]
     [  0   0   0]
     [255   0   0]
     [  0   0   0]
     [  0   0 255]
     [  0 255   0]]

现在，我想替换所有 [255 0 0]与 [255 255 255] .可以使用任何循环，如 for 循环，但如果它是一个非常大的数组，则非常耗时。有什么简单的为什么要使用 np.where 吗？或者我曾经使用 a[a<200]=0 替换 200 以下的所有元素的其他东西？

Answer 1

IIUC，是的，您可以使用与上面类似的方法，使用 np.all:

示例:

a = np.random.randint(0, 255, size=(10, 3))

>>> a
array([[ 10, 113,  91],
       [ 99,  63, 164],
       [ 96, 130,  35],
       [193,  38,  11],
       [193, 150, 200],
       [242, 195,  28],
       [  6, 205, 168],
       [156,  35, 242],
       [246,  84,  61],
       [111, 187,  18]])

# Use `np.where` to make your normalization
b = np.where(a >= 200, 255, 0)

>>> b
array([[  0,   0,   0],
       [  0,   0,   0],
       [  0,   0,   0],
       [  0,   0,   0],
       [  0,   0, 255],
       [255,   0,   0],
       [  0, 255,   0],
       [  0,   0, 255],
       [255,   0,   0],
       [  0,   0,   0]])

# Replace [255,0,0] with [255,255,255]
b[np.all(b==[255,0,0], axis=1)] = [255,255,255]

>>> b
array([[  0,   0,   0],
       [  0,   0,   0],
       [  0,   0,   0],
       [  0,   0,   0],
       [  0,   0, 255],
       [255, 255, 255],
       [  0, 255,   0],
       [  0,   0, 255],
       [255, 255, 255],
       [  0,   0,   0]])

解释:

np.all(b==[255,0,0],axis=1) 返回您的数组与 [255,0,0] 的所有元素匹配的位置:

array([False, False, False, False, False,  True, False, False,  True,
       False])

因此您可以通过它索引您的数组以返回这些向量:

>>> b[np.all(b==[255,0,0],axis=1)]
array([[255,   0,   0],
       [255,   0,   0]])

并以与上述类似的方式替换它们。