Python 如何基于掩码数组更改numpy数组？

我有一个数组数据集，大小：（172800,3）和掩码数组，大小（172800）由1和0组成。我想用我定义的值替换基于掩码数组中的值（0或1）的值形式的数据集数组：ex:[0,0,0]或[128,16128]

我尝试过“np.place”函数，但这里的问题是掩码数组的大小不正确

我还检查了更像蟒蛇的方式： data_set[mask]=[0,0,0]它工作得很好，但由于某些原因，仅针对前两个元素

data_set[mask]= [0,0,0]

data_set = np.place(data_set, mask, [0,0,0])

我的预期输出是，如果掩码值为1，则将data_set矩阵中元素的值更改为[0,0,0]

前

---

当您尝试使用

mask

numpy为数据编制索引时，会假定您为其提供了一个索引列表。使用布尔数组，或将掩码转换为索引列表：

将numpy导入为np
data_set=np.数组（[[134123,90]，[234,45,65]，[32233,45]）
mask=np.array（[1,0,1]）
val=np.zero（数据集形状[1]）
数据集[mask.astype（bool），：]=val
#或
数据集[np.where（掩码），：]=val

第一种方法将int数组转换为bool数组，而第二种方法创建一个掩码不为零的索引列表

---

您可以将

val

设置为所需的任何值，只要它与数据集的剩余维度相匹配（在本例中为

3

）。

尝试

data\u set[mask.astype（bool）]=0

或

data\u set[np.where（mask）]=0

，

data\u set[mask==1]=0

。谢谢。它与[0,0,0]一起工作，但是如果我需要用其他值替换它，比如ex[128,16128]？

data\u set[mask.astype（bool）]=[128,16128]

great！非常感谢。

data_set = [[134,123,90] , [234,45,65] , [32,233,45]]
mask = [ 1, 0, 1]

output = [[0,0,0] , [234, 45,65] , [0,0,0]]