Arrays 掩蔽3D NumPy阵列-->；返回5D数组_Arrays_Python 3.x_Numpy_Mask

Arrays 掩蔽3D NumPy阵列-->；返回5D数组

arrays python-3.x numpy

Arrays 掩蔽3D NumPy阵列-->；返回5D数组,arrays,python-3.x,numpy,mask,Arrays,Python 3.x,Numpy,Mask,我有一个巨大的3d NumPy数组和一个形状相同的掩码数组，里面填充了1或0。让我们以此为例： arr = np.random.randint(1, 100, size=(4, 4, 4)) mask = np.zeros(shape=(4,4,4), dtype='int') mask[0,2:3,:] = 1 我的目标是获得一个相同形状的数组（在本例中为（4,4,4）），我们将其命名为new\u arr，其值来自arr，其中mask==1。new\u arr中的所有其他值应为-2。（不是0

我有一个巨大的3d NumPy数组和一个形状相同的掩码数组，里面填充了1或0。让我们以此为例：

arr = np.random.randint(1, 100, size=(4, 4, 4))
mask = np.zeros(shape=(4,4,4), dtype='int')
mask[0,2:3,:] = 1

我的目标是获得一个相同形状的数组（在本例中为（4,4,4）），我们将其命名为

new\u arr

，其值来自

arr

，其中

mask==1

。

new\u arr

中的所有其他值应为

-2

。（不是

）

然而，这样做：

new_arr = arr[mask]

结果形成（4,4,4,4,4）形阵列

所以，我有两个问题：1:）我如何得到我想要的结果，2。）为什么用这种方式屏蔽一个3d NumPy数组会得到一个5d数组。

我相信你只需要np。其中：

out = np.where(mask, arr, -2)

回答你的另一个问题

为什么以这种方式掩蔽3d NumPy阵列会产生5d阵列

其思想是

mask

具有数据类型

int

。因此，

arr[mask]

实际上是作为切片而不是掩蔽工作的。因此

mask

中的

将导致

arr[0]

，即

（4,4）

。然后对

mask

中的所有值执行该操作，得到一个与

mask

维度相同的数组，其每个值都是

（4,4）

数组

修复代码的另一种方法是：

out = np.full(arr.shape, -2)
out[mask.astype(bool)] = arr[mask.astype(bool)]

我相信您只需要np。其中：

out = np.where(mask, arr, -2)