Python numpy choose用法及代碼示例

本文簡要介紹 python 語言中 numpy.choose 的用法。

用法:

numpy.choose(a, choices, out=None, mode='raise')

從索引數組和可供選擇的數組列表構造一個數組。

首先，如果您感到困惑或不確定，請務必查看示例 - 總體而言，此函數不像以下代碼說明中看起來那麽簡單(在 ndi = numpy.lib.index_tricks 下方)：

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

但這忽略了一些微妙之處。這是一個完全一般的摘要：

給定一個 “index” 數組 (a) 的整數和一個序列n數組(選擇),a並且每個選擇數組根據需要首先廣播到一個共同形狀的數組；調用這些Ba和Bchoices[i], i = 0,…,n-1我們有，必然，Ba.shape == Bchoices[i].shape對於每個i.然後，一個新的形狀數組Ba.shape創建如下：

• 如果 mode='raise' (默認值)，那麽首先，a(以及因此 Ba )的每個元素必須在 [0, n-1] 範圍內；現在，假設i(在那個範圍內)是Ba中(j0, j1, ..., jm)位置的值-那麽新數組中相同位置的值就是Bchoices[i]中相同位置的值；

• 如果mode='wrap', 中的值a(因此Ba) 可以是任何(有符號的)整數；模運算用於映射範圍外的整數[0, n-1]回到那個範圍；然後像上麵那樣構造新數組；

• 如果mode='clip', 中的值a(因此Ba) 可以是任何(有符號的)整數；負整數映射到 0；值大於n-1映射到n-1;然後像上麵那樣構造新數組。

參數：

a： int 數組

此數組必須在 [0, n-1] 中包含整數，其中 n 是選擇的數量，除非 mode=wrap 或 mode=clip ，在這種情況下任何整數都是允許的。

choices： 數組序列

選擇數組。a並且所有的選擇必須可以廣播到相同的形狀。如果選擇本身是一個數組(不推薦)，然後是它的最外層維度(即對應於choices.shape[0]) 被視為定義“sequence”。

out： 數組，可選

如果提供，結果將被插入到這個數組中。它應該具有適當的形狀和數據類型。注意out總是緩衝如果mode='raise';使用其他模式以獲得更好的性能。

mode： {‘raise’(默認)，‘wrap’, ‘clip’}，可選

指定如何處理 [0, n-1] 之外的索引：

• ‘raise’：引發異常

• ‘wrap’ : value 變成 value mod n

• ‘clip’：值 < 0 映射到 0，值 > n-1 映射到 n-1

返回：

merged_array： 數組

合並的結果。

拋出：

ValueError：形狀不匹配

如果 a 和每個選擇數組都不能廣播到相同的形狀。

注意：

為了減少誤解的機會，即使名義上支持以下 “abuse”，但選擇既不應該也不應該被認為是單個數組，即最外麵的 sequence-like 容器應該是列表或元組。

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

幾個示例說明如何選擇廣播：

>>> 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]]])