Python 用其他元素替换NumPy数组元素_Python_Arrays_Numpy

Python 用其他元素替换NumPy数组元素

python arrays numpy

Python 用其他元素替换NumPy数组元素,python,arrays,numpy,Python,Arrays,Numpy,假设我有一个随机生成的3d数组srouceArray： ex: np.random.rand(3, 3, 3) array([[[0.61961383, 0.26927599, 0.03847151], [0.03497162, 0.77748313, 0.15807293], [0.15108821, 0.36729448, 0.19007034]], [[0.67734758, 0.88312758, 0.97610746], [

假设我有一个随机生成的3d数组

srouceArray

：

ex: np.random.rand(3, 3, 3)

array([[[0.61961383, 0.26927599, 0.03847151],
        [0.03497162, 0.77748313, 0.15807293],
        [0.15108821, 0.36729448, 0.19007034]],

      [[0.67734758, 0.88312758, 0.97610746],
       [0.5643174 , 0.20660141, 0.58836553],
       [0.59084109, 0.77019768, 0.35961768]],

      [[0.19352397, 0.47284641, 0.97912889],
       [0.48519117, 0.37189048, 0.37113941],
       [0.94934848, 0.92755083, 0.52662299]]])

我想随机将所有第三维元素替换为零
预期阵列：

array([[[0, 0, 0], [0.03497162, 0.77748313, 0.15807293], [0.15108821, 0.36729448, 0.19007034]], [[0.67734758, 0.88312758, 0.97610746], [0 , 0, 0], [0.59084109, 0.77019768, 0.35961768]], [[0, 0, 0], [0, 0, 0], [0.94934848, 0.92755083, 0.52662299]]])
我在考虑制作“面具”？使用
random

np.random.choice([True, False], sourceArray.shape, p=[...])
以某种方式将其转换为3d数组，其中
False=[0,0,0]
和
True=[1,1,1]
并与源代码相乘

但我不知道如何实现这一转变。我打赌有一种更简单的方法我不知道。
如果我正确理解了数据结构，可以使用它（这将改变原始数组）：

如果我正确理解了数据结构，可以使用这个（这将更改原始数组）：

你可以这样做：

a = np.ones((3, 3, 3)) # your original array b = a.reshape((-1,3)) # array of just rows from 3rd dim temp = np.random.random(b.shape[0]) # get random value from 0 to 1 for each row from b prob = 0.4 # up to you - probability of making a row all zeros mask = temp<prob b[mask]=0 result = b.reshape(a.shape) # getting back to original shape

你可以这样做：

a = np.ones((3, 3, 3)) # your original array b = a.reshape((-1,3)) # array of just rows from 3rd dim temp = np.random.random(b.shape[0]) # get random value from 0 to 1 for each row from b prob = 0.4 # up to you - probability of making a row all zeros mask = temp<prob b[mask]=0 result = b.reshape(a.shape) # getting back to original shape

从数学上讲，可以生成另一个随机0-1数组，乘以原始数组：

import numpy as np l = np.random.rand(5, 4, 3) m = np.random.choice([True, False], size=(l.shape[0], l.shape[1])) l[m] = [0, 0, 0] l array([[[0.62551611, 0.26268253, 0.51863006], [0. , 0. , 0. ], [0.45038189, 0.97229114, 0.63736078], [0. , 0. , 0. ]], [[0.54282399, 0.14585025, 0.80753245], [0. , 0. , 0. ], [0. , 0. , 0. ], [0.18190234, 0.19806439, 0.3052623 ]], [[0. , 0. , 0. ], [0.46409806, 0.39734112, 0.21864433], [0. , 0. , 0. ], [0.65046231, 0.78573179, 0.76362864]], [[0.05296007, 0.50762852, 0.18839052], [0.52568072, 0.8271628 , 0.24588153], [0.92039708, 0.8653368 , 0.96737845], [0. , 0. , 0. ]], [[0. , 0. , 0. ], [0.37039626, 0.64673356, 0.01186108], [0. , 0. , 0. ], [0. , 0. , 0. ]]])

import numpy as np ar = np.random.rand(3,3,3) ar2 = np.random.randint(2, size = (3,3,1)) ar3 = ar*ar2

从数学上讲，可以生成另一个随机0-1数组，乘以原始数组：

import numpy as np l = np.random.rand(5, 4, 3) m = np.random.choice([True, False], size=(l.shape[0], l.shape[1])) l[m] = [0, 0, 0] l array([[[0.62551611, 0.26268253, 0.51863006], [0. , 0. , 0. ], [0.45038189, 0.97229114, 0.63736078], [0. , 0. , 0. ]], [[0.54282399, 0.14585025, 0.80753245], [0. , 0. , 0. ], [0. , 0. , 0. ], [0.18190234, 0.19806439, 0.3052623 ]], [[0. , 0. , 0. ], [0.46409806, 0.39734112, 0.21864433], [0. , 0. , 0. ], [0.65046231, 0.78573179, 0.76362864]], [[0.05296007, 0.50762852, 0.18839052], [0.52568072, 0.8271628 , 0.24588153], [0.92039708, 0.8653368 , 0.96737845], [0. , 0. , 0. ]], [[0. , 0. , 0. ], [0.37039626, 0.64673356, 0.01186108], [0. , 0. , 0. ], [0. , 0. , 0. ]]])

import numpy as np ar = np.random.rand(3,3,3) ar2 = np.random.randint(2, size = (3,3,1)) ar3 = ar*ar2

我不清楚您示例中预期数组的模式。能否提供3x3x3阵列中的示例？@pmarcol更新了当前阵列和预期阵列的示例。预期数组中的[0,0,0]是随机的。我不清楚您示例中预期数组的模式。能否提供3x3x3阵列中的示例？@pmarcol更新了当前阵列和预期阵列的示例。预期数组中的[0,0,0]是随机的。这正是我想要的。你能告诉我在哪里可以读到更多关于这里发生的事情吗？@MartynasJurkus我刚刚修复并继续你基于掩码应用的解决方案。基本上，我们在掩码提供的索引处重新分配值。也许你可以从这里开始，特别是“掩码索引数组”部分，也像@Masoud方法，它利用乘法属性。这种方法
np.random.choice
允许通过
p=[]
利用概率，这正是我想要的。你能告诉我在哪里可以读到更多关于这里发生的事情吗？@MartynasJurkus我刚刚修复并继续你基于掩码应用的解决方案。基本上，我们在掩码提供的索引处重新分配值。也许你可以从这一部分开始，特别是“掩码索引数组”部分，也像@Masoud方法，它利用乘法属性。这种方法
np.random.choice
允许通过
p=[]
利用概率