python - numpy:如何根据一维数组中的条件从两个二维数组中选取行？

Question

我有两个长度为 n 的数组，即 old_fitness 和 new_fitness，以及两个维度为 nxm 的矩阵，即 old_values 和 new_values。

当 new_fitness[i] 时，创建包含行 new_values[i] 的 nxm 矩阵 best_fitness 的最佳方法是什么> old_fitness[i] 和 old_values[i] 否则？

类似于:

best_values = nd.where(new_fitness > old_fitness, new_values, old_values)

但这适用于最后两个矩阵的行，而不是单个元素？我确信有一个简单的答案，但我是 numpy 的新手。

编辑:new_values 和 old_values 包含表示问题的可能解决方案的行，以及 new_fitness 和 old_fitness分别在 new_values 和 old_values 中包含每个可能的解决方案/行的适应度数字度量。

Answer 1

只要比较的形状为 (n,1) - 而不是 (n,)，就应该有效

将 numpy 导入为 np

old_fitness = np.asarray([0,1])
new_fitness = np.asarray([1,0])

old_value = np.asarray([[1,2], [3,4]])
new_value = np.asarray([[5,6], [7,8]])

np.where((new_fitness>old_fitness).reshape(old_fitness.shape[0],1), new_value, old_value)

返回

array([[5, 6],
       [3, 4]])