Python 基于多个条件的numpy数组设置值

我试图将numpy数组中的值设置为零，如果它相当于列表中的任何数字

让我们考虑下面的数组

  a = numpy.array([[1, 2, 3], [4, 8, 6], [7, 8, 9]])

我想将列表

[1,2,8]

中的

a

的多个元素设置为

0

结果应该是

   [[0, 0, 3],
    [4, 0, 6],
    [7, 0, 9]]

对于单个元素，它很简单

   a[a == 1] = 0

---

以上仅适用于单个整数。它如何用于列表？

您可以使用

numpy.vectorize

创建自己的矢量化函数：

import numpy as np
a = np.array([[1, 2, 3], [4, 8, 6], [7, 8, 9]])

def is_target_number(x):
    if x in set([1,2,8]):
        return True
    else:
        return False

f = np.vectorize(is_target_number)

a[f(a)] = 0

默认情况下，许多运算符（如等式运算符）都已矢量化，

numpy。矢量化允许您使用更复杂的逻辑，同时具有简洁的优点。如果你喜欢代码高尔夫，你可以这样做：

a[np.vectorize(lambda x: (x in set([1,2,8])))(a)] = 0

您可以使用：

使用
np.inad
可以执行以下操作：

>>> a = np.array([[1, 2, 3], [4, 8, 6], [7, 8, 9]])
>>> np.in1d(a, [1, 2, 8])
array([ True,  True, False, False,  True, False, False,  True, False], dtype=bool)
>>> a[np.in1d(a, [1, 2, 8]).reshape(a.shape)] = 0
>>> a
array([[0, 0, 3],
       [4, 0, 6],
       [7, 0, 9]])

结合我对关于
np.where
的原始问题的评论，以及@Jaime在上文中使用
np.inad
的出色回答：

import numpy as np
a = np.array([[1, 2, 3], [4, 8, 6], [7, 8, 9]])
a = np.where(np.in1d(a, [1,2,8]).reshape(a.shape), 0, a)

编辑
看起来Jaime的解决方案稍微快一点：

In [3]: %timeit a[np.in1d(a, [1, 2, 8]).reshape(a.shape)] = 0
10000 loops, best of 3: 45.8 µs per loop
In [4]: %timeit np.where(np.in1d(a, [1,2,8]).reshape(a.shape), 0, a)
10000 loops, best of 3: 66.7 µs per loop

哇，你以10秒的优势击败了我@qwwqwwq-它实际上看起来像13。；）我觉得使用
numpy.where
应该可以做到这一点。但是，直观地选择
numpy.where（a in[1,2,8]，0,a）
给出了
ValueError：具有多个元素的数组的真值是不明确的。使用a.any（）或a.all（）
。也许一个更专业的用户可以让它工作。顺便说一句，您可能已经意识到了这一点，但是如果您只有2-3个值，您只需要将它们与
|
操作符组合（
或
将不起作用）。e、 g.
a[（a==1）|（a==2）|（a==8）]=0
numpy中的一个常见问题是试图将布尔数组与
和
，
或
，
而不是
&
，
，
结合起来。如果传入数组，前一个运算符将引发错误，但后一个运算符将按元素操作。当然，这是一种针对多个值进行测试的糟糕方法。这绝对是计算效率最高的方法，
np。矢量化本质上只是python
for
循环的语法糖
In [3]: %timeit a[np.in1d(a, [1, 2, 8]).reshape(a.shape)] = 0
10000 loops, best of 3: 45.8 µs per loop
In [4]: %timeit np.where(np.in1d(a, [1,2,8]).reshape(a.shape), 0, a)
10000 loops, best of 3: 66.7 µs per loop