0

我有一个看起来像这样的 numpy 数组：

h = array([string1 1
       string2 1
       string3 1
       string4 3
       string5 4
       string6 2
       string7 2
       string8 4
       string9 3
       string0 2 ])

在第二列中，我想将所有出现的 1 更改为 3，所有出现的 3 更改为 2，所有出现的 4 更改为 1

显然，如果我系统地尝试就地执行，我会得到一个错误，因为：

h[,:1 == 1] = 3
h[,:1 == 3] = 2

会将所有的 1 变成 2

矩阵最多可以包含 50,000 个元素，并且要更改的值可能会有所不同

我在这里查看了一个类似的问题，但它把所有数字都变成了 0，而答案是特定的。

有没有办法同时改变所有这些事件，还是我必须找到另一种方法？

4

3 回答 3

2

您可以使用查找表和高级索引：

A = np.rec.fromarrays([np.array("The quick brown fox jumps over the lazy dog .".split()), np.array([1,1,1,3,4,2,2,4,3,2])])
A
# rec.array([('The', 1), ('quick', 1), ('brown', 1), ('fox', 3),
#            ('jumps', 4), ('over', 2), ('the', 2), ('lazy', 4), ('dog', 3),
#            ('.', 2)],
#           dtype=[('f0', '<U5'), ('f1', '<i8')])
LU = np.arange(A['f1'].max()+1)
LU[[1,3,4]] = 3,2,1
A['f1'] = LU[A['f1']]
A
# rec.array([('The', 3), ('quick', 3), ('brown', 3), ('fox', 2),
#            ('jumps', 1), ('over', 2), ('the', 2), ('lazy', 1), ('dog', 2),
#            ('.', 2)],
#           dtype=[('f0', '<U5'), ('f1', '<i8')])
于 2019-06-14T01:40:31.663 回答
1

最好的方法是使用 dict 来映射一个值。这样做需要您使用矢量化函数：

import numpy as np
a = [[1,1],[1,2],[1,3]]
a = np.array([[1,1],[1,2],[1,3]])
>>> a
array([[1, 1],
       [1, 2],
       [1, 3]])
dic = {3:2,2:3}
vfunc = np.vectorize(lambda x:dic[x] if x in dic else x) 
a[:,1] = vfunc(a[:,1])
>>> a
array([[1, 1],
       [1, 3],
       [1, 2]])
于 2019-06-14T01:45:00.960 回答
1

您可以map直接使用，也可以使用更高效numpy.vectorize的方法将映射函数转换为可以直接应用于数组的函数：

import numpy as np

mapping = {
    1: 3,
    3: 4,
    4: 1
}

a = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])
mapping_func = np.vectorize(lambda x: mapping[x] if x in mapping else x)
b = mapping_func(a)

print(a)
print(b)

结果：

[1 2 3 4 5 1 2 3 4 5]
[3 2 4 1 5 3 2 4 1 5]

请注意，您不必使用 adict或lambda函数。int您的函数可以是任何将源数组的数据类型作为输入（在本例中）并返回目标数组的数据类型的普通函数。

于 2019-06-14T01:53:37.217 回答