Java choose函数_Python numpy.choose函数方法的使用

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]]])