Python 将NumPy数组的指定元素转换为新值

我想将NumPy数组A:1、5和8的指定元素转换为0

因此，我做了以下工作：

import numpy as np

A = np.array([[1,2,3,4,5],[6,7,8,9,10]])

bad_values = (A==1)|(A==5)|(A==8)

A[bad_values] = 0

print A

>>> B[np.in1d(B, bads).reshape(3, 3)] = 0
>>> B
array([[0, 0, 2],
       [3, 4, 0],
       [6, 7, 0]])

是的，我得到了预期的结果，即新的数组

然而，在我的实际问题中，给定的数组A非常大，也是二维的，要转换为0的坏_值的数量也太多了。因此，我尝试了以下方法：

bads = [1,5,8] # Suppose they are the values to be converted into 0

bad_values = A == x for x in bads  # HERE is the problem I am facing

我该怎么做

那么，剩下的当然和以前一样了

A[bad_values] = 0

print A

---

如果要获取数组a中坏值出现位置的索引，可以使用INAD找出哪些值是坏值：

因此，您可以只编写一个[np.inada，bads]=0，将A的坏值设置为0

编辑：如果阵列是二维的，一种方法是使用一维方法，然后重塑形状：

>>> B = np.arange(9).reshape(3, 3)
>>> B
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

>>> np.in1d(B, bads).reshape(3, 3)
array([[False,  True, False],
       [False, False,  True],
       [False, False,  True]], dtype=bool)

因此，您可以执行以下操作：

import numpy as np

A = np.array([[1,2,3,4,5],[6,7,8,9,10]])

bad_values = (A==1)|(A==5)|(A==8)

A[bad_values] = 0

print A

>>> B[np.in1d(B, bads).reshape(3, 3)] = 0
>>> B
array([[0, 0, 2],
       [3, 4, 0],
       [6, 7, 0]])

---

谢谢对不起，我忘了提到我的真实数组A是二维的。你的解决方案还可以吗？非常感谢。认可的。如果我的分数超过15分，我会投票。没问题！很高兴你发现这个答案很有用。