python choice用法_python numpy choose用法及代码示例

从索引数组和一组数组中构造一个数组以供选择。

首先，如果感到困惑或不确定，请务必看一下示例-完全具有通用性，此函数不如下面的代码描述所示简单(在ndi =numpy.lib.index_tricks)：

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])。

但这省略了一些微妙之处。这是一个完全概括的摘要：

给定一个整数的“index”数组(a)和n个数组(选择项)的序列，根据需要首先将a和每个选择数组广播到具有共同形状的数组；称这些Ba和Bchoices [i]，i = 0，…，n-1，我们必然Ba.shape == Bchoices[i].shape每个i。然后，一个新的形状Ba.shape创建如下：

如果mode=raise(默认值)，那么，首先，a(以及Ba)的每个元素都必须在[0，n-1]范围内；现在，假设i(在该范围内)是Ba中(j0，j1，…，jm)位置处的值-那么新数组中相同位置处的值就是Bchoices [i]中相同位置处的值位置;

如果mode=wrap，(因此，Ba)中的值可以是任何(有符号)整数；模算术用于将[0，n-1]范围以外的整数映射回该范围；然后按照上面的方法构造新数组；

如果mode=clip，(因此，Ba)中的值可以是任何(有符号)整数；负整数映射到0；大于n-1的值映射到n-1；然后按上述方法构造新数组。

参数：a： ： int array

该数组必须包含[0，n-1]中的整数，其中n是选择的数目，除非mode=wrap或者mode=clip，在这种情况下，任何整数都是允许的。

choices： ： sequence of arrays

选择数组。和所有选择必须广播为相同的形状。如果choices本身是一个数组(不建议使用)，则其最外面的维度(即对应于choices.shape[0])被视为定义了“sequence”。

out： ： array, 可选参数

如果提供，结果将被插入此数组。它应该具有适当的形状和dtype。请注意，如果mode ='raise'，则out总是被缓冲；使用其他模式以获得更好的性能。

mode： ： {‘raise’ (default), ‘wrap’, ‘clip’}, 可选参数

指定将如何处理[0，n-1]以外的索引：

‘raise’:an exception is raised

‘wrap’:value becomes value mod n

‘clip’:values < 0 are mapped to 0, values > n-1 are mapped to n-1

返回值：merged_array： ： 数组

合并结果。

异常：ValueError:shape mismatch：

如果和每个选择数组都不能全部广播为相同形状。

注意：

为了减少误解的机会，即使名义上支持以下“abuse”，也不应将选择视为单个数组，也不应将其视为单个数组，即最外面的sequence-like容器应该是列表或元组。

例子：

>>> choices = [[0, 1, 2, 3], [10, 11, 12, 13],

... [20, 21, 22, 23], [30, 31, 32, 33]]

>>> np.choose([2, 3, 1, 0], choices

... # the first element of the result will be the first element of the

... # third (2+1) "array" in choices, namely, 20; the second element

... # will be the second element of the fourth (3+1) choice array, i.e.,

... # 31, etc.

... )

array([20, 31, 12, 3])

>>> np.choose([2, 4, 1, 0], choices, mode='clip') # 4 goes to 3 (4-1)

array([20, 31, 12, 3])

>>> # because there are 4 choice arrays

>>> np.choose([2, 4, 1, 0], choices, mode='wrap') # 4 goes to (4 mod 4)

array([20, 1, 12, 3])

>>> # i.e., 0

几个示例说明了如何选择广播：

>>> a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]

>>> choices = [-10, 10]

>>> np.choose(a, choices)

array([[ 10, -10, 10],

[-10, 10, -10],

[ 10, -10, 10]])

>>> # With thanks to Anne Archibald

>>> a = np.array([0, 1]).reshape((2,1,1))

>>> c1 = np.array([1, 2, 3]).reshape((1,3,1))

>>> c2 = np.array([-1, -2, -3, -4, -5]).reshape((1,1,5))

>>> np.choose(a, (c1, c2)) # result is 2x3x5, res[0,:,:]=c1, res[1,:,:]=c2

array([[[ 1, 1, 1, 1, 1],

[ 2, 2, 2, 2, 2],

[ 3, 3, 3, 3, 3]],

[[-1, -2, -3, -4, -5],

[-1, -2, -3, -4, -5],

[-1, -2, -3, -4, -5]]])