假设你有一个 numpy 数组和一个列表：
>>> a = np.array([1,2,2,1]).reshape(2,2)
>>> a
array([[1, 2],
[2, 1]])
>>> b = [0, 10]
我想替换数组中的值，以便将 1 替换为 0，将 2 替换为 10。
我在这里发现了一个类似的问题 - http://mail.python.org/pipermail//tutor/2011-September/085392.html
但是使用这个解决方案：
for x in np.nditer(a):
if x==1:
x[...]=x=0
elif x==2:
x[...]=x=10
给我一个错误：
ValueError: assignment destination is read-only
我想那是因为我不能真正写入一个 numpy 数组。
PS numpy 数组的实际大小为 514 x 504，列表为 8。
好吧，我想你需要的是
a[a==2] = 10 #replace all 2's with 10's
numpy 中的只读数组可以写成可写的：
nArray.flags.writeable = True
这将允许像这样的赋值操作：
nArray[nArray == 10] = 9999 # replace all 10's with 9999's
真正的问题不是赋值本身，而是可写标志。
可以像这样重新映射整个数组，而不是一个一个地替换值：
import numpy as np
a = np.array([1,2,2,1]).reshape(2,2)
# palette must be given in sorted order
palette = [1, 2]
# key gives the new values you wish palette to be mapped to.
key = np.array([0, 10])
index = np.digitize(a.ravel(), palette, right=True)
print(key[index].reshape(a.shape))
产量
[[ 0 10]
[10 0]]
上述想法归功于@JoshAdel。它比我原来的答案要快得多：
import numpy as np
import random
palette = np.arange(8)
key = palette**2
a = np.array([random.choice(palette) for i in range(514*504)]).reshape(514,504)
def using_unique():
palette, index = np.unique(a, return_inverse=True)
return key[index].reshape(a.shape)
def using_digitize():
index = np.digitize(a.ravel(), palette, right=True)
return key[index].reshape(a.shape)
if __name__ == '__main__':
assert np.allclose(using_unique(), using_digitize())
我以这种方式对这两个版本进行了基准测试：
In [107]: %timeit using_unique()
10 loops, best of 3: 35.6 ms per loop
In [112]: %timeit using_digitize()
100 loops, best of 3: 5.14 ms per loop
我找到了另一个使用 numpy 函数的解决方案place。（这里的文档）
在您的示例中使用它：
>>> a = np.array([1,2,2,1]).reshape(2,2)
>>> a
array([[1, 2],
[2, 1]])
>>> np.place(a, a==1, 0)
>>> np.place(a, a==2, 10)
>>> a
array([[ 0, 10],
[10, 0]])
您还可以使用np.choose(idx, vals), whereidx是一个索引数组，指示vals应该将哪个值放在它们的位置。但是，索引必须从 0 开始。还要确保它idx具有整数数据类型。所以你只需要这样做：
np.choose(a.astype(np.int32) - 1, b)
我无法设置标志或使用掩码来修改值。最后，我只是复制了数组。
a2 = np.copy(a)