Python 更改numpy数组中的项

我想根据以下条件（玩具代码）将数组A（轴=1）中的所有项更改为0：

将numpy导入为np
A=np.数组（[[1,3]，[2,5]，[6,2]]）
B=np.数组（[[1,1,0,0,0]，[1,0,0,2,0]，[0,0,2,2]，[0,0,0,2,0]，[6,6,0,0,0]）
对于我来说，在一个：
如果i[1]>>B
数组（[[1,1,0,0,0]，
[1, 0, 0, 2, 0],
[0, 0, 2, 2, 2],
[0, 0, 0, 2, 0],
[0, 0, 0, 0, 0]])

---

但是，用简单的方式来说，这不是“for”循环：）谢谢

您可以使用条件列表理解来创建元组对中第一个值的列表，其中第二个值小于或等于2（在

a

的示例中，它是最后一个给出值

6

）

然后使用切片与查找

B

中包含在上一条件值中的元素，然后将这些值设置为零

target_val = 2
B[np.isin(B, [a[0] for a in A if a[1] <= target_val])] = 0

>>> B
array([[1, 1, 0, 0, 0],
       [1, 0, 0, 2, 0],
       [0, 0, 2, 2, 2],
       [0, 0, 0, 2, 0],
       [0, 0, 0, 0, 0]])

---

一行：

B[np.isin（B，A[A[：，1]理解可能不算作for循环，但它也没有充分利用Numpy:）@KarlKnechtel在样本量为100k的情况下，我认为我的方法稍微快一点（5.27ms vs 5.77）。我还添加了
（1，1）
到
A
给一个额外的数据点。
np.其中
方法几乎花费了2倍的时间。有趣的是，一如既往，在进行优化工作时，没有任何东西可以替代实际的性能基准。与综合方法相比，基本上
A[A[：，1]是的，是的，这就是我一直在寻找的解决方案。非常感谢您的帮助和解释。祝您一切顺利！
target_val = 2
B[np.isin(B, [a[0] for a in A if a[1] <= target_val])] = 0

>>> B
array([[1, 1, 0, 0, 0],
       [1, 0, 0, 2, 0],
       [0, 0, 2, 2, 2],
       [0, 0, 0, 2, 0],
       [0, 0, 0, 0, 0]])

np.where(np.isin(B, [a[0] for a in A if a[1] <= target_val]), 0, B)

c = A[:, 1] <= 2 # broadcast the original `if i[1]<=2:` check along axis=1
# i.e., mask A according to where the second values of the pairs are <= 2
d = c[:, 0] # index with the mask, and select the old `i[0]` values, here just `6`
e = np.isin(B, d) # mask B according to where the values are in the above
B[e] = 0 # and zero out those positions, i.e. where the old B value is 6