Python 如何根据条件设置`np.array（）`中的单元格值？

我有一个

numpy

数组和该数组中的有效值列表：

import numpy as np
arr = np.array([[1,2,0], [2,2,0], [4,1,0], [4,1,0], [3,2,0], ... ])
valid = [1,4]

是否有一种很好的pythonic方法将所有数组值设置为零，而这些值不在有效值列表中，并且就地执行？执行此操作后，列表应如下所示：

               [[1,0,0], [0,0,0], [4,1,0], [4,1,0], [0,0,0], ... ]

以下操作将在内存中创建阵列的副本，这对大型阵列不好：

arr = np.vectorize(lambda x: x if x in valid else 0)(arr)

这让我很恼火，现在我在每个数组元素上循环，如果它在

有效的
列表中，则将其设置为零

编辑：我发现了一个建议，即没有现成的功能来实现这一点。也不要改变我的空白。在
arr
中更容易看到这些更改。
您可以使用
就地更新-

np.place(arr,~np.in1d(arr,valid),0)

样本运行-

In [66]: arr
Out[66]: 
array([[1, 2, 0],
       [2, 2, 0],
       [4, 1, 0],
       [4, 1, 0],
       [3, 2, 0]])

In [67]: np.place(arr,~np.in1d(arr,valid),0)

In [68]: arr
Out[68]: 
array([[1, 0, 0],
       [0, 0, 0],
       [4, 1, 0],
       [4, 1, 0],
       [0, 0, 0]])

In [70]: arr
Out[70]: 
array([[1, 2, 0],
       [2, 2, 0],
       [4, 1, 0],
       [4, 1, 0],
       [3, 2, 0]])

In [71]: np.put(arr,np.where(~np.in1d(arr,valid))[0],0)

In [72]: arr
Out[72]: 
array([[1, 0, 0],
       [0, 0, 0],
       [4, 1, 0],
       [4, 1, 0],
       [0, 0, 0]])


同样，也可以使用
np.put
-

np.put(arr,np.where(~np.in1d(arr,valid))[0],0)

样本运行-

In [66]: arr
Out[66]: 
array([[1, 2, 0],
       [2, 2, 0],
       [4, 1, 0],
       [4, 1, 0],
       [3, 2, 0]])

In [67]: np.place(arr,~np.in1d(arr,valid),0)

In [68]: arr
Out[68]: 
array([[1, 0, 0],
       [0, 0, 0],
       [4, 1, 0],
       [4, 1, 0],
       [0, 0, 0]])

In [70]: arr
Out[70]: 
array([[1, 2, 0],
       [2, 2, 0],
       [4, 1, 0],
       [4, 1, 0],
       [3, 2, 0]])

In [71]: np.put(arr,np.where(~np.in1d(arr,valid))[0],0)

In [72]: arr
Out[72]: 
array([[1, 0, 0],
       [0, 0, 0],
       [4, 1, 0],
       [4, 1, 0],
       [0, 0, 0]])

使用布尔值进行索引也可以：

>>> arr = np.array([[1, 2, 0], [2, 2, 0], [4, 1, 0], [4, 1, 0], [3, 2, 0]])
>>> arr[~np.in1d(arr, valid).reshape(arr.shape)] = 0
>>> arr
array([[1, 0, 0],
       [0, 0, 0],
       [4, 1, 0],
       [4, 1, 0],
       [0, 0, 0]])

我怀疑这也会创建一个临时副本，因为您要重塑一个数组，并将其与原始数组相乘。所以它不符合我的“就地”要求。您可以在操作后键入
arr
来查看这一点。它仍然会给你原来的数组三三两两。你真的应该只做一个新的答案，而不是一遍又一遍地编辑你的旧答案。这使讨论变得困难。使用
np.place（arr，~np.in1d（arr，valid），0）
in1d部分仍然创建整个数组的内存副本，与
np.put（arr，np.where（~np.in1d（arr，valid））[0]相同。
@con-f-use，据我所知，
~np.in1d（arr，valid）
将是一个布尔数组，因此比典型的整数数组占用更少的内存，如果我在这里出错，请更正。然后它在
arr
中进行现场更新，因此没有涉及其他副本。同意，
np.zeroes（（100），dtype=bool）。nbytes
np.zeroes（（100），dtype=float）。nbytes
。但我的问题是，在某些目标系统上，
arr
已经很难放入内存，甚至比原来的阵列小1/8的阵列也可能会导致问题。这也是一个主要问题；-）不过，我还是要感谢你花了这么多时间！我确信没有就地功能，循环是不可避免的。请看我的编辑。@con-f-use是的，我想这是你需要做的权衡，对不起！我想是情不自禁：）或者如果你喜欢中间立场，可以分块做！