Python 学习笔记（13）

高级函数choose的使用

通过某一些条件去“选择”相关的元素，choose的操作会比自己使用for-if-else效率要高，类似的还有select函数

1、choose()函数的定义
def choose(a, choices, out=None, mode=‘raise’):

• 参数 a ：它必须是一个 int 型的 数组，并且 a 中的元素，必须是0~n-1之间的数，这里的n表示的就是数组choices数组最外层的维度数。
• choices：表示的是要操作的数组，要注意的是choices的数组的维度是一定要和a进行匹配的，如果匹配不了，会出现错误。
• 参数out：接收运算结果的数组，它的维度一定要和 a 是一样的，是可选参数。
  参数mode：默认的是raise，表示的是a数组中的元素不能超过 n ，她还有两个可选值，
  clip：将 a 中的 元素 如果小于0，则将其变为0，如果大于n-1，则变为n-1
  wrap：将a中的值 value变为value mod n，即值除以n的余数。

说的通俗一点，就是参数a这个数组的值不能超过choices数组的维度的最大值，然后a这个数组中每一个位置的数，代表的 是choices数组中的元素的索引，比如：

import numpy as np
control = np.array([[1,0,1],
                    [2,1,0],
                    [1,2,2]])

np.choose(control, [10, 11, 12])

调用choose会产生一个和control数组一样大小的数组，这个数组的每个元素是什么呢？control第一个是1，代表在[10，11，12]中的第二个元素，即11，然后第二个是0，即第一个元素，10，以此类推。

i0 = np.array([[0,1,2],
               [3,4,5],
               [6,7,8]])
i2 = np.array([[20,21,22],
               [23,24,25],
               [26,27,28]])
control = np.array([[1,0,1],
                    [2,1,0],
                    [1,2,2]])

np.choose(control, [i0, 10, i2])

结果是

array([[10,  1, 10],
       [23, 10,  5],
       [10, 27, 28]])

即control的第一行第一列的元素是i0数组的第一行第一列的数，第二行第一列的元素是i2数组中的第二行第一列的数。

接下来给出两个觉得很不错的操作

1. 将数组中所有小于 10 的值变成了 10

In [4]:
a = np.array([[ 0, 1, 2], 
              [10,11,12], 
              [20,21,22]])

a < 10

Out[4]:
array([[ True,  True,  True],
       [False, False, False],
       [False, False, False]], dtype=bool)

In [5]:
np.choose(a < 10, (a, 10))
Out[5]:
array([[10, 10, 10],
       [10, 11, 12],
       [20, 21, 22]])

2. 下面的例子将数组中所有小于 10 的值变成了 10，大于 15 的值变成了 15。

In [6]:
a = np.array([[ 0, 1, 2], 
              [10,11,12], 
              [20,21,22]])

lt = a < 10
gt = a > 15

choice = lt + 2 * gt
choice

Out[6]:
array([[1, 1, 1],
       [0, 0, 0],
       [2, 2, 2]])

In [7]:
np.choose(choice, (a, 10, 15))

Out[7]:
array([[10, 10, 10],
       [10, 11, 12],
       [15, 15, 15]])