numpy.choose
numpy.choose(a, choices, out=None, mode='raise') [source]
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(ndi = numpy.lib.index_tricks下方)看起来那么简单 :numpy.lib.index_tricks
np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])。
但这忽略了一些微妙之处。这里是一个全面的概括::
给定一个由整数组成的“index”数组(a)和一个n个数组(choices)的序列,根据需要,首先将a和每个choice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, Ba.shape == Bchoices[i].shape对于每个i,我们必然有它。然后,将创建一个具有Ba.shape形状的新数组,如下所示:
如果mode=raise(缺省值),那么,首先,每个元件 一个(并且因此巴)必须在范围[0,N-1]; 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,在值一(并因此Ba)可以是任何(signed)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,在值一(并因此Ba)可以是任何(signed)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
这个数组必须包含[0,n-1]中的整数,其中n是选择的数目,
除非mode=wrap或mode=clip,在这种情况下,
任何整数都是允许的。
choices :arrays的sequence
选择数组。
一个和所有的选择都必须broadcastable相同的形状。
如果choices本身是一个数组(不建议使用),
则将其最外面的维度(即与对应的维度 choices.shape[0])
视为定义“sequence”。
out :array, 可选
如果提供,结果将被插入到这个数组中。
它应该是适当的形状和类型。
注意,如果mode= 'raise'的out总是被缓冲;
使用其他模式可以获得更好的性能。
mode:{‘raise’ (默认), ‘wrap’, ‘clip’}, 可选'raise':引发异常
'wrap':值变成值mod n
'clip':值<0映射为0,值> n-1映射为n-1
返回值:merged_array array
合并结果。
Raises:ValueError: shape mismatch
如果a和每个选择阵列不是都可广播到相同的shape。
Notes
为了减少错误解释的机会,即使名义上支持以下“abuse”,选择也不应该也不应被视为单个数组,即,最外面的类似于序列的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]]])