numpy.choose#

numpy.choose(a, choices, out=None, mode='raise')[源代码]#

从索引数组和要选择的数组列表中构造一个数组.

首先,如果感到困惑或不确定,请务必查看“示例”- 从其完全普遍性来看,此函数不如以下代码描述简单:

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

但这省略了一些微妙之处. 这是一个完全通用的摘要:

给定一个整数的“索引”数组 ( a ) 和一个 n 数组的序列 ( choices ), a 和每个 choice 数组首先被广播(如有必要)到具有公共形状的数组;调用这些 Ba 和 Bchoices[i], i = 0,…,n-1,我们必然有 Ba.shape == Bchoices[i].shape 对于每个 i . 然后,创建一个具有形状 Ba.shape 的新数组,如下所示:

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

  • 如果 mode='wrap' ,则 a (以及 Ba )中的值可以是任何(有符号)整数;模运算用于将 [0, n-1] 范围之外的整数映射回该范围;然后如上构造新数组;

  • 如果 mode='clip' ,则 a (以及 Ba )中的值可以是任何(有符号)整数;负整数映射为 0;大于 n-1 的值映射为 n-1 ;然后如上构造新数组.

参数:
a整型数组

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

choices数组序列

选择数组. a 和所有选择必须可广播到相同的形状. 如果 choices 本身是一个数组(不推荐),那么它的最外层维度(即,对应于 choices.shape[0] 的维度)被视为定义“序列”.

outarray,可选

如果提供,结果将插入到此数组中. 它应具有适当的形状和 dtype. 请注意,如果 mode='raise' ,则始终会缓冲 out ;使用其他模式以获得更好的性能.

模式{‘raise’ (默认), ‘wrap’, ‘clip’}, 可选

指定如何处理 [0, n-1] 之外的索引:

  • ‘raise’ : 引发异常

  • ‘wrap’ : 值变为 value mod n

  • ‘clip’ : 值 < 0 映射到 0,值 > n-1 映射到 n-1

返回:
merged_arrayarray

合并后的结果.

提出:
ValueError: 形状不匹配

如果 a 和每个选择数组并非都可以广播到相同的形状.

参见

ndarray.choose

等效方法

numpy.take_along_axis

如果 choices 是一个数组,则更可取

注释

为了减少误解的可能性,即使名义上支持以下“滥用”行为, choices 也不应是,也不应被认为是单个数组,即,最外层的类序列容器应该是一个列表或一个元组.

示例

>>> import numpy as np
>>> 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

一些示例说明了 choose 如何广播:

>>> 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]]])
当前页面