Python 如果满足条件，则替换三维阵列中的二维子阵列

我有一个矩阵，看起来像这样：

a = np.random.rand(3, 3, 3)

[[[0.04331462, 0.30333583, 0.37462236],
  [0.30225757, 0.35859228, 0.57845153],
  [0.49995805, 0.3539933,  0.11172398]],

 [[0.28983508, 0.31122743, 0.67818926],
  [0.42720309, 0.24416101, 0.5469823 ],
  [0.22894097, 0.76159389, 0.80416832]],

 [[0.25661154, 0.64389696, 0.37555374],
  [0.87871659, 0.27806621, 0.3486518 ],
  [0.26388296, 0.8993144,  0.7857116 ]]]

我想检查每个块的值是否小于0.2。如果值小于0.2，则整个块等于0.2。在这种情况下：

[[[0.2 0.2 0.2]
  [0.2 0.2 0.2]
  [0.2 0.2 0.2]]

[[0.28983508 0.31122743 0.67818926]
 [0.42720309 0.24416101 0.5469823 ]
 [0.22894097 0.76159389 0.80416832]]

[[0.25661154 0.64389696 0.37555374]
 [0.87871659 0.27806621 0.3486518 ]
 [0.26388296 0.8993144  0.7857116 ]]]

---

由于矩阵有三层，请尝试以下方法（让矩阵成为：

a中x的

：
对于x中的y：
对于y中的z：
如果z<0.2：
z=0.2

对于i，枚举（a）中的块：
如果（块<0.2）.展平（）.any（）：
a[i]=np.one（np.shape（block））*0.2
印刷品（a）
数组（[[0.2,0.2,0.2]，
[ 0.2       ,  0.2       ,  0.2       ],
[ 0.2       ,  0.2       ,  0.2       ]],
[[ 0.28983508,  0.31122743,  0.67818926],
[ 0.42720309,  0.24416101,  0.5469823 ],
[ 0.22894097,  0.76159389,  0.80416832]],
[[ 0.25661154,  0.64389696,  0.37555374],
[ 0.87871659,  0.27806621,  0.3486518 ],
[ 0.26388296,  0.8993144 ,  0.7857116 ]]])

这是一种矢量化的方式，可以获得您想要的东西。
从您的示例中选取

a

：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

---

说明：

再举一个例子，每个步骤都会更加清晰：

a = np.array([[[0.51442898, 0.90447442, 0.45082496],
               [0.59301203, 0.30025497, 0.43517362],
               [0.28300437, 0.64143037, 0.73974422]],
              [[0.228676  , 0.59093859, 0.14441217],
               [0.37169639, 0.57230533, 0.81976775],
               [0.95988687, 0.43372407, 0.77616701]],
              [[0.03098771, 0.80023031, 0.89061113],
               [0.86998351, 0.39619143, 0.16036088],       
               [0.24938437, 0.79131954, 0.38140462]]])

让我们看看哪些元素小于0.2：

print(a < 0.2)

从这里，我们希望获得至少有一个

True

元素的2D数组的索引：

[False，True，True]

。我们需要这个。注意，我将在这里使用方法链接，而不是嵌套

np.any

的函数调用。一,

现在只需使用

（a<0.2）。any（）

将只给出

True

，因为默认情况下，它在所有维度上执行逻辑OR。我们必须指定

轴

参数。在我们的例子中，我们可以使用

axis=1

或

axis=2

.2

从这里，我们通过沿行应用另一个

.any（）

来获得所需的布尔索引：

print((a < 0.2).any(axis=1).any(axis=1))

最后，我们可以简单地使用它来替换原始数组的值：

---

1只需比较链接：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2

a[（a<0.2）.任意（轴=1）.任意（轴=1）]=0.2

使用嵌套：

a[np.any(np.any(a < 0.2, axis=1), axis=1)] = 0.2

a[np.any（np.any）（a<0.2，轴=1，轴=1）]=0.2

我认为后者更令人困惑

2对我来说，起初这很难理解。帮助我的是画一个3x3x3立方体的图像，打印不同轴的结果，并检查哪个轴对应于哪个方向。此外，以下是在3D情况下使用axis with

np.sum

的说明：

---

3人们可以期望立即得到

[假、真、真]

，但事实并非如此。有关说明，请参见：

numpy效率的关键是一次对整个数组执行矢量化操作，而不是使用嵌套循环。而且，这不是OP所要求的。

print((a < 0.2).any(axis=1))

array([[False, False, False],
       [False, False,  True],
       [ True, False,  True]])

print((a < 0.2).any(axis=1).any(axis=1))

array([False,  True,  True])

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

array([[[0.51442898, 0.90447442, 0.45082496],
        [0.59301203, 0.30025497, 0.43517362],
        [0.28300437, 0.64143037, 0.73974422]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]]])

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2

a[np.any(np.any(a < 0.2, axis=1), axis=1)] = 0.2