在 Numpy 数组的列中进行条件替换

Posted 2023-03-11

【中文标题】在 Numpy 数组的列中进行条件替换

【英文标题】：Conditional Replace within a Column of a Numpy Array

【发布时间】：2018-09-19 22:40:28

【问题描述】：

我有一个numpy数组，例如：

theData= [[0, 1, 1, 1],[0, 1, 3, 1],[3, 4, 1, 3],[0, 1, 2, 0],[2, 1, 0, 0]]

如何将第一列中的所有零替换为 -1？

用theData[theData==0] = -1 替换整个数组中的所有零很容易，所以我认为这样的事情会起作用

theData[theData[:,0] == 0] = -1
theData[:,0 == 0] = -1

但是对于第一列值为零的任何行，这些都会将行中的所有值更改为 -1。不是我的目标，我想将替换限制在第一列（或其他列）。

这显然可以通过循环来完成。也可以通过将第一列提取为一维数组，在其中进行替换，然后将其转置复制到原始第一列上来完成。但我怀疑有一种更快、更 Pythonic 的方式来做到这一点。也许使用 np.where，但我无法弄清楚。

【参考方案1】：

只要不使用它构建不同的对象，您就可以直接索引该列。检查以下示例：

theData= np.array([[0, 1, 1, 1],[0, 1, 3, 1],[3, 4, 1, 3],[0, 1, 2, 0],[2, 1, 0, 0]])
print(theData)
theData[:,0][theData[:,0] == 0] = -1
print(theData)

结果是这样的：

[[0 1 1 1]
 [0 1 3 1]
 [3 4 1 3]
 [0 1 2 0]
 [2 1 0 0]]
[[-1  1  1  1]
 [-1  1  3  1]
 [ 3  4  1  3]
 [-1  1  2  0]
 [ 2  1  0  0]]

【讨论】：

我似乎一次只能对一列执行此操作...而其余部分被忽略。 arr1 = np.array([[1, 0, np.nan], [2, np.nan, np.nan], [3, 9, np.nan]]) arr1[:,1][arr1[: ,1] == 0] = -1 arr1[:,2][arr1[:,2] == np.nan] = -2 第一次用 -1 替换 0 已完成，但第 3 列中为 NaN不会被 -2 取代。为什么是这样？ （我对 Python 很陌生，发现它非常混乱）

【参考方案2】：

尝试以下方法：

theData[theData[:,0]==0, 0] = -1

您也可以使用np.where。

theData[np.where(theData[:,[0]]==0)] = -1

【讨论】：

这些也是很好的答案，但我不能将两者都标记为答案，所以我将答案授予第一个回复的人。感谢您的帮助！

【参考方案3】：

如果您想使用多列进行子集化，则必须使用 np.where()。

例子：

theData= np.array([[0, 1, 1, 1],[0, 1, 3, 1],[3, 4, 1, 3],[0, 1, 2, 0],[2, 1, 0, 0]])
print(theData)
theData[:, [0, 1]][theData[:, [0, 1]] == 0] = -1 # Notice it's [0, 1] instead of [0]
print(theData)

输出是：

[[0 1 1 1]
 [0 1 3 1]
 [3 4 1 3]
 [0 1 2 0]
 [2 1 0 0]]
[[0 1 1 1]
 [0 1 3 1]
 [3 4 1 3]
 [0 1 2 0]
 [2 1 0 0]]

所以数组（theData）没有改变。但是如果你这样做了

theData[np.where(theData[:, [0, 1]] == 0)] = -1
print(theData)

你得到

[[-1  1  1  1]
 [-1  1  3  1]
 [ 3  4  1  3]
 [-1  1  2  0]
 [ 2  1  0  0]]

它看起来也更干净。