numpy的数组索引和更换 [英] NumPy Array Indexing and Replacing

问题描述

我有一个3D numpy的数组如下：

 （3L，5L，5L）
 

如果在三维位置的一个元素，例如， [150，160，170] 存在。我怎么能转换他们都到 [0,0,0] ？

 导入numpy的是NP
A = np.ones（（3,5,5））
一个[0,2：4,2：4] = 150
一个[0,0：1,0：1] = 150 #important！
一个[1,2：4,2：4] = 160
一个[2,2：4,2：4] = 170
打印一
 

预期的结果应该是：

  [[[1 1 1 1 1]
  [1 1 1 1 1]
  [1 1 0 0 1]
  [1 1 0 0 1]
  [1 1 1 1 1] [1 1 1 1 1]
  [1 1 1 1 1]
  [1 1 0 0 1]
  [1 1 0 0 1]
  [1 1 1 1 1] [1 1 1 1 1]
  [1 1 1 1 1]
  [1 1 0 0 1]
  [1 1 0 0 1]
  [1. 1. 1. 1. 1.]]]
 

解决方案

首先，我会转换成三倍的堆栈：

  B = np.reshape（a.transpose（2，1,0），[25.3]）
 

然后找到你想要的值：

  IDX = np.where（（B == np.array（[150，160，170]））。所有（轴= 1））
 

和你想要的任何值替换：

  B [IDX] = 0
 

和最后转换回原始形状

  C = np.reshape（B，[5,5，3]）。移调（2，1，0）
 

I have a 3d numpy array as follows:

(3L, 5L, 5L)

If one element in 3d positions, for instance, [150, 160, 170] exists. How can I convert all of them into [0,0,0]?

import numpy as np
a = np.ones((3,5,5))
a[0,2:4,2:4] = 150
a[0,0:1,0:1] = 150 #important!
a[1,2:4,2:4] = 160
a[2,2:4,2:4] = 170
print a

The expected result should be:

[[[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]

 [[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]

 [[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]]

解决方案

First I would convert into a stack of triples:

b = np.reshape(a.transpose(2, 1, 0), [25,3])

Then find the values you want:

idx = np.where((b == np.array([150, 160, 170])).all(axis=1))

And replace with whatever value you want:

b[idx] = 0

And finally convert back to the original shape:

c = np.reshape(b, [5, 5, 3]).transpose(2, 1, 0) 

这篇关于numpy的数组索引和更换的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！