Python Numpy:np.select用于给定标量条件列表的一维数组

我想得到这样的东西：

def choozer(my_1D_array):
    newArray = np.zeros((len(my_1D_array), 5))
    for x in enumerate(my_1D_array):
        if x[1]<3:
            y = np.array([1,1,1,1,1]) #the y's can be any array of random values
        elif 3<=x[1]<=5:
            y = np.array([2,2,2,2,2])# don't need to be repeated
        elif x[1]>5:
            y = np.array([3,3,3,3,3])
        newArray[x[0]] = y
    return newArray

def选择器（我的1D数组）：
newArray=np.zero（（len（my_1D_数组），5））
对于枚举中的x（my_1D_数组）：
如果x[1]5：
y=np.数组（[3,3,3,3]）
新数组[x[0]]=y
返回新数组

这是可行的…但对我来说似乎很迂回，效率对我的应用程序很重要。所以我有了一个比较的想法：

def np_选择器（我的1D_数组）：
condlist=[my_1D_array也许可以用
np编写得更好。选择
，但您始终可以：

newArray = np.zeros(my_1D_array.shape + (5,))
newArray[np.where(my_1D_array < 3)] = 1
newArray[np.where((my_1D_array >= 3) & (my_1D_array <= 5)] = 2
newArray[np.where(my_1D_array > 5)] = 3

也许可以使用
np编写得更好。选择
，但您始终可以这样做：

newArray = np.zeros(my_1D_array.shape + (5,))
newArray[np.where(my_1D_array < 3)] = 1
newArray[np.where((my_1D_array >= 3) & (my_1D_array <= 5)] = 2
newArray[np.where(my_1D_array > 5)] = 3

这个,

这个,

np\u chooser
为
我的1D\u数组提供了正确的结果。重塑（-1,1）
。感谢你们的帮助，伙计们……尽管我仍然很好奇是否有其他人能想出更好的方法。
np\u chooser
为
我的1D\u数组提供了正确的结果。重塑（-1,1）
。谢谢你们的帮助，伙计们……尽管我还是很好奇是否还有其他人能想出更好的方法。
对不起。我真的应该更擅长编写示例。
y
数组可以是任何东西。在我的情况下，它们应该是
1
和
0
。对不起，我真的应该更擅长编写示例。
y
>数组可以是任何东西。在我的例子中，它们应该是
1
和
0
。谢谢，但是你能想出一个更一般的np.where的例子吗？我只是重复使用int，因为我很懒；但实际上，
y
是int的随机组合（在我的例子中是1和0）谢谢，但是你能想出一个更一般的np.where的例子吗？我之所以使用重复整数是因为我很懒；但实际上，
y
是整数的随机组合（在我的例子中是1和0）.谢谢，但是你能想出一个更一般的情况吗？我只是因为我懒惰而使用重复整数；但实际上，y是整数的随机组合（在我的例子中是1和0）。谢谢，但是你能想出一个更一般的情况吗？我只是因为我懒惰而使用重复整数；但实际上，y是整数的随机组合（我的情况是一加零）。
>>> a = np.random.rand(10) * 10
>>> b = np.empty(a.shape + (5,))
>>> b[np.where(a < 3)] = 1
>>> b[np.where((a >= 3) & (a <= 5))] = 2
>>> b[np.where(a > 5)] = 3
>>> b
array([[ 1.,  1.,  1.,  1.,  1.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 2.,  2.,  2.,  2.,  2.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 3.,  3.,  3.,  3.,  3.]])

>>> b[np.where(a < 3)] = np.arange(5)
>>> b[np.where((a >= 3) & (a <= 5))] = np.arange(5) + 10
>>> b[np.where(a > 5)] = np.arange(5) + 20
>>> b
array([[  0.,   1.,   2.,   3.,   4.],
       [ 20.,  21.,  22.,  23.,  24.],
       [ 10.,  11.,  12.,  13.,  14.],
       [ 20.,  21.,  22.,  23.,  24.],
       [  0.,   1.,   2.,   3.,   4.],
       [ 20.,  21.,  22.,  23.,  24.],
       [ 20.,  21.,  22.,  23.,  24.],
       [ 20.,  21.,  22.,  23.,  24.],
       [  0.,   1.,   2.,   3.,   4.],
       [ 20.,  21.,  22.,  23.,  24.]])

import numpy as np

a = np.arange(10)

one = np.ones((5,a.shape[0]))
two = 2 * one
thr = 3 * one

def choozer(a):
    condlist = [a<3, np.logical_and((3<=a),(a<=5)), a>5]
    choicelist = [one,two,thr]
    return np.select(condlist, choicelist).T

print choozer(a)

[[ 1.  1.  1.  1.  1.]
 [ 1.  1.  1.  1.  1.]
 [ 1.  1.  1.  1.  1.]
 [ 2.  2.  2.  2.  2.]
 [ 2.  2.  2.  2.  2.]
 [ 2.  2.  2.  2.  2.]
 [ 3.  3.  3.  3.  3.]
 [ 3.  3.  3.  3.  3.]
 [ 3.  3.  3.  3.  3.]
 [ 3.  3.  3.  3.  3.]]