Python数组，有条件地更改分类上的元素

我有一个数组，并希望基于使用另一个数组的分类更改元素。这就是说，我导入一个数组，然后如果cell [i，j]的值在一定范围内（比如1和8之间），那么将secondArray [i，j]乘以0.3，并将结果放入我有一些代码这样做（也许解释我的意思是更清楚一点），但它需要很长的时间（因为我的数组是1000 * 1000左右元素），并想知道是否有更有效的解决方案。Python数组，有条件地更改分类上的元素

目前我有：

.. 
import numpy as np 

def Factor_AM(cell):    
    if cell < 1  return 0.2; 
    elif cell < 8:  return 0.3; 
    else:  return 0.5; 



mat = np.array(..some code to get an array from an external source..) //size 1000*1000 
mat_out_1 = np.zeros_like(mat) 
mat_out_1 = np.zeros_like(mat) 

mat_ClassifyMe = np.array(..some code to import another 1000*1000 array with values in) 

for index, x in np.ndenumerate(mat): 
    mat_out_1[index] = Factor_AM(x) * mat_ClassifyMe[index] 
    mat_out_2[index] = (1-Factor_AM(x)) * mat_ClassifyMe[index] 

..some code to output mat_out_1 and mat_out_2

我看到np.where和看起来希望np.argwhere功能的一些文档，但考虑到我有超过1个测试（在上面的代码中，我有3个，但在现实中，我有12）我不能想出一个方式，没有做出非常丑陋的嵌套语句。

是否有另一种方式来做到这一点，或者这是否像Python那样高效？

来源

2013-05-08 CastleH

您可以使用Boolean or “mask” index arrays用于此目的，例如：

import numpy as np 

mat = np.arange(16.0).reshape((4,4)) 

mat_out = np.zeros_like(mat) 

mat_out[mat < 6] = 0.2 * mat[mat < 6] # using a conditional for indexing 
# or use a variable for the boolean 'masking' index array 
mask1 = np.logical_and(mat >= 6, mat < 10) 
mat_out[mask1] = 0.3 * mat[mask1] 
mask2 = mat >= 10 
mat_out[mask2] = 0.5 * mat[mask2] 

print mat 
print mat < 6 
print mask1 
print mat_out

来源

2013-05-08 09:59:12

感谢，看起来像我需要什么。我将通过一些计时器来运行代码，以了解它们之间的区别。 – CastleH 2013-05-08 11:29:40

时间结果：内循环（即减去开销用于访问和outputing阵列等节目，只看矩阵过滤）〜25秒到0.5秒〜鉴于我在做这几百倍，这是一个非常有意义的速度增加。干杯。 – CastleH 2013-05-08 20:27:39

mat = np.array([0.1, 0.2, 5, 4, 9, 0.05, 2, 11]) # an example of input #1 
mat_ClassifyMe = np.ones_like(mat) # an example of input #2 
mask1 = mat < 1 
mask2 = mat >= 8 
f = np.empty_like(mat) 
f[mask1] = 0.2 
f[mask2] = 0.5 
f[np.logical_not(mask1 | mask2)] = 0.3 
mat_out_1 = f * mat_ClassifyMe 
mat_out_2 = (1 - f) * mat_ClassifyMe

来源

2017-06-28 22:37:14

Python数组，有条件地更改分类上的元素

回答

相关问题