numpy.choose#

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

从索引数组和选择数组列表构造一个数组.

首先,如果有困惑或不确定,一定要查看示例——在完全通用的情况下,这个函数比以下代码描述（下面 ndi = numpy.lib.index_tricks）看起来要复杂一些:

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.以下是一个全面的总结:

给定一个”索引”数组（a）和一系列 n 个数组（choices）,`a` 和每个选择数组首先根据需要广播到具有公共形状的数组;称这些为 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,创建一个形状为 Ba.shape 的新数组,如下所示:

  • 如果 mode='raise' （默认值）,那么,首先,``a`` 的每个元素（因此也是 Ba）必须在范围 [0, n-1] 内;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',`a`（以及 Ba）中的值可以是任何（带符号的）整数;使用模运算将范围外的整数映射回 [0, n-1] 范围内;然后按照上述方式构造新数组;

  • 如果 mode='clip',`a` 中的值（因此 Ba 中的值）可以是任何（带符号的）整数;负整数映射为 0;大于 n-1 的值映射为 n-1;然后按照上述方式构造新数组.

参数:
aint 数组

这个数组必须包含 [0, n-1] 范围内的整数,其中 n 是选项的数量,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` 和所有选择必须能够广播到相同的形状.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] 的那个维度）被视为定义了”序列”.

out数组, 可选

如果提供,结果将被插入到这个数组中.它应该具有适当的形状和数据类型.注意,如果 mode='raise',`out` 总是被缓冲的;使用其他模式以获得更好的性能.

mode{‘raise’ (默认), ‘wrap’, ‘clip’}, 可选

指定如何处理 [0, n-1] 范围之外的索引:

  • ‘raise’ : 引发一个异常

  • ‘wrap’ : 值变为值模 n

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

返回:
merged_array数组

合并的结果.

引发:
ValueError: 形状不匹配

如果 a 和每个选择数组不能全部广播到相同的形状.

参见

ndarray.choose

等效方法

numpy.take_along_axis

如果 choices 是一个数组,则更可取

备注

为了减少误解的可能性,即使以下”滥用”名义上是支持的,`choices` 也不应该是,也不应该被视为单个数组,即,最外层的类似序列的容器应该是列表或元组.

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

几个示例说明如何选择广播:

>>> 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]]])
On this page