Arrays NumPy数组索引和替换_Arrays_Numpy_Scipy_Scikit Image

Arrays NumPy数组索引和替换

arrays numpy

Arrays NumPy数组索引和替换,arrays,numpy,scipy,scikit-image,Arrays,Numpy,Scipy,Scikit Image,我有一个3d numpy阵列，如下所示： (3L, 5L, 5L) 例如，如果一个元素位于三维位置，则存在[150、160、170]。如何将它们全部转换为[0,0,0] import numpy as np a = np.ones((3,5,5)) a[0,2:4,2:4] = 150 a[0,0:1,0:1] = 150 #important! a[1,2:4,2:4] = 160 a[2,2:4,2:4] = 170 print a 预期结果应该是： [[[ 1. 1. 1. 1.

我有一个3d numpy阵列，如下所示：

(3L, 5L, 5L)

例如，如果一个元素位于三维位置，则存在

[150、160、170]

。如何将它们全部转换为

[0,0,0]

import numpy as np
a = np.ones((3,5,5))
a[0,2:4,2:4] = 150
a[0,0:1,0:1] = 150 #important!
a[1,2:4,2:4] = 160
a[2,2:4,2:4] = 170
print a

预期结果应该是：

[[[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]

 [[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]

 [[ 1.  1.  1.  1.  1.]
  [ 1.  1.  1.  1.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  0.  0.  1.]
  [ 1.  1.  1.  1.  1.]]]

首先，我将转换为一组三元组：

b = np.reshape(a.transpose(2, 1, 0), [25,3])

然后找到所需的值：

idx = np.where((b == np.array([150, 160, 170])).all(axis=1))

b[idx] = 0

并替换为您想要的任何值：

idx = np.where((b == np.array([150, 160, 170])).all(axis=1))

b[idx] = 0

最后转换回原始形状：

c = np.reshape(b, [5, 5, 3]).transpose(2, 1, 0)

首先，我将转换为一组三元组：

b = np.reshape(a.transpose(2, 1, 0), [25,3])

然后找到所需的值：

idx = np.where((b == np.array([150, 160, 170])).all(axis=1))

b[idx] = 0

并替换为您想要的任何值：

idx = np.where((b == np.array([150, 160, 170])).all(axis=1))

b[idx] = 0

最后转换回原始形状：

c = np.reshape(b, [5, 5, 3]).transpose(2, 1, 0)

构建您的

：

In [48]: a=np.ones((3,5,5))    
In [49]: a[0,2:4,2:4]=150
In [50]: a[1,2:4,2:4]=160
In [51]: a[2,2:4,2:4]=170

In [52]: a
Out[52]: 
array([[[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,    1.,    1.,    1.]]])

In [53]: I = a==np.array([150,160,170])[:,None,None]

In [54]: I
Out[54]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]]], dtype=bool)

In [90]: K=J[None,...].repeat(3,0)
In [91]: K
Out[91]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        ....]], dtype=bool)

第一维度上的值为

[150160170]

的所有位置的布尔值。关键是将其扩展到一个3d形状

（3,1,1）

，可以广播到

（3,5,5）

，并与

进行比较：

In [48]: a=np.ones((3,5,5))    
In [49]: a[0,2:4,2:4]=150
In [50]: a[1,2:4,2:4]=160
In [51]: a[2,2:4,2:4]=170

In [52]: a
Out[52]: 
array([[[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,    1.,    1.,    1.]]])

In [53]: I = a==np.array([150,160,170])[:,None,None]

In [54]: I
Out[54]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]]], dtype=bool)

In [90]: K=J[None,...].repeat(3,0)
In [91]: K
Out[91]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        ....]], dtype=bool)

现在，将所有值为

True

的插槽更改为

，就很简单了：

In [55]: a[I]=0

In [56]: a
Out[56]: 
array([[[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  0.,  0.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]]])

查看删除答案上的注释，我发现您确实希望所有3个值都匹配。也就是说，与您的示例相反，您可能不想更改其他插槽

a[0，…]

is 150等

您仍然可以使用此

，只需在第一轴上取一个

all

：

In [58]: a[:,I.all(axis=0)]=2

In [59]: a
Out[59]: 
array([[[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  2.,  2.,  1.],
        [ 1.,  1.,  1.,  1.,  1.]]])

从概念上讲，我的答案与公认的答案没有太大区别。这会将阵列重塑为2d，因此可以使用1d进行匹配

[150160170]

。事实上，它被自动重新调整为

（1,3）

，可以在

（25,3）

数组中再次广播。转置和重塑是标准化此类问题格式的一种方便方法，尽管它通常不是必需的

这可能有助于将最后一个操作拆分为：

In [60]: J=I.all(axis=0)

In [61]: J
Out[61]: 
array([[False, False, False, False, False],
       [False, False, False, False, False],
       [False, False,  True,  True, False],
       [False, False,  True,  True, False],
       [False, False, False, False, False]], dtype=bool)

In [62]: a[:, J] = 3

或者使用

np。其中

将布尔数组转换为2个索引列表：

In [73]: jj=np.where(J)
In [74]: jj
Out[74]: (array([2, 2, 3, 3], dtype=int32), array([2, 3, 2, 3], dtype=int32))

In [75]: a[:, jj[0], jj[1]] = 4

a[：，jj]

不起作用，但

a[（片（无），）+jj]

起作用。最后一个表达式构造了一个3元素元组，相当于[75]

我还可以将

扩展到与

匹配的大小和形状：

In [48]: a=np.ones((3,5,5))    
In [49]: a[0,2:4,2:4]=150
In [50]: a[1,2:4,2:4]=160
In [51]: a[2,2:4,2:4]=170

In [52]: a
Out[52]: 
array([[[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,  150.,  150.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,  160.,  160.,    1.],
        [   1.,    1.,    1.,    1.,    1.]],

       [[   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,    1.,    1.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,  170.,  170.,    1.],
        [   1.,    1.,    1.,    1.,    1.]]])

In [53]: I = a==np.array([150,160,170])[:,None,None]

In [54]: I
Out[54]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]]], dtype=bool)

In [90]: K=J[None,...].repeat(3,0)
In [91]: K
Out[91]: 
array([[[False, False, False, False, False],
        [False, False, False, False, False],
        [False, False,  True,  True, False],
        [False, False,  True,  True, False],
        [False, False, False, False, False]],

       [[False, False, False, False, False],
        ....]], dtype=bool)

并使用

a[K]