numpy 索引和相关的mask操作

Da_Shan_

已于 2022-06-17 10:05:44 修改

阅读量3.1k

点赞数 3

分类专栏： python 文章标签： python list

于 2022-04-12 10:48:04 首次发布

本文链接：https://blog.csdn.net/weixin_43102043/article/details/124005951

版权

python 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

Numpy推荐使用单个括号来访问所有的维度

一次用多个索引

一维

mask = np.ones(7, dtype=bool)
mask[[0, 2, 4]] = False

>>> 
[False  True False  True False  True  True]

三维

mask = np.ones(36, dtype=bool).reshape((3, 3, 4))
mask[[0, 2]] = False	# 将axis=0的索引为0，2的置为false

>>> 
[[[False False False False]
  [False False False False]
  [False False False False]]

 [[ True  True  True  True]
  [ True  True  True  True]
  [ True  True  True  True]]

 [[False False False False]
  [False False False False]
  [False False False False]]]

省略号…

arr = np.array([[[1, 2, 3, 4], 
                [5, 6, 7, 8],
                [9, 10, 11, 12]],
                [[13, 14, 15, 16], 
                [17, 18, 19, 20],
                [21, 22, 23, 24]]])

print(arr.shape)

print(arr[..., :2], arr[..., :2].shape)	 # (2, 3, 2)维度并未发生变化

print(arr[..., 2], arr[..., 2].shape)	# (2, 3)降维了

out>>> 
(2, 3, 4)
[[[ 1  2]
  [ 5  6]
  [ 9 10]]

 [[13 14]
  [17 18]
  [21 22]]] (2, 3, 2)
[[ 3  7 11]
 [15 19 23]] (2, 3)

mask操作

要求：如果数组a某一行的第0个元素为2，那么将它的第1个元素改为100
做法如下:

a = np.array([
    [1,10,1],
    [2,20,2],
    [3,30,3],
    [2,40,4]
])
mask = a[:, 0] == 2		# [False  True False  True]
a[mask, 1] = 100

[Out]:
[[  1  10   1]
 [  2 100   2]
 [  3  30   3]
 [  2 100   4]]

要求：将数组a 左上角2*2区域中小于3或大于4 的元素置0

arr = np.array([[1, 3, 5],
        [5, 4, 4],
        [2, 4, 3]])

aa = arr[:2, :2]
mask = np.bitwise_or(aa<3,aa>4)
arr[:2, :2][mask] = 0

out >> 
[[0 3 5]
 [0 4 4]
 [2 4 3]]

做决策树时碰到的mask操作
要求: 选择索引为 2 的列中值为 0 的所有元素，最后删除索引为 2 的列

    features = np.array([[0, 0, 0, 0],
                [0, 0, 0, 1],
                [0, 1, 0, 1],
                [0, 1, 1, 0],
                [0, 0, 0, 0],
                [1, 0, 0, 0],
                [1, 0, 0, 1],
                [1, 1, 1, 1],
                [1, 0, 1, 2],
                [1, 0, 1, 2],
                [2, 0, 1, 2],
                [2, 0, 1, 1],
                [2, 1, 0, 1],
                [2, 1, 0, 2],
                [2, 0, 0, 0]])

    labels = np.array(['no', 'no', 'no', 'no', 'no', 'no', 'no', 'no', 'no', 'no', 'yes', 'yes', 'yes', 'yes', 'yes']).reshape((-1, 1))

    # dataset = np.hstack((features, labels))	# (15, 5)
    dataset = np.concatenate((features, labels), axis=1)	# (15, 5)
    mask = features[:, 2] == 0		# 根据索引为2的列生成mask
    subdataset = features[mask]		# 将mask为false的行全都去除
    subdataset = np.delete(subdataset, 2, axis=1)	# 删除索引为2的列