numpy 交换数组中的多个元素答案

【问题标题】：numpy swap multiple elements in an arraynumpy 交换数组中的多个元素
【发布时间】：2019-04-22 07:18:24
【问题描述】：

我有一个 numpy 数组，其中包含 1 和 0 的随机分布。我想用 0 替换所有的 1，用 1 替换所有的零。

arr[arr == 0] = 2
arr[arr == 1] = 0
arr[arr == 2] = 1

我目前不得不使用一个临时值（在这种情况下为 2），以避免所有 0 变为 1，然后使整个数组充满 0。有没有更优雅/更有效的方法来做到这一点？

【问题讨论】：

标签： python arrays numpy indexing

【解决方案1】：

您可以在覆盖任何值之前计算和存储布尔索引器：

ones = a == 1
zeros = a == 0

a[ones] = 0
a[zeros] = 1

如果您的值不是0 和1，该解决方案也有效。

如果您不需要就地解决方案，可以使用np.where：

a = np.where(ones, 0, np.where(zeros, 1, a))

【讨论】：

【解决方案2】：

这是一个针对您的问题非常具体的解决方案，但也应该非常快。给定数组：

>>> a
array([[1, 0, 0, 1],
       [1, 1, 1, 0]])

您可以从所有值中减去 1 并乘以负 1：

>>> (a-1)*-1
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

【讨论】：

(a - 1) * -1 分发到 -a + 1 或 1 - a 更清晰（也更快）

【解决方案3】：

为您的特定值按位异或 1。

In [19]: a=np.random.randint(2, size=10)

In [18]: a
Out[18]: array([1, 1, 1, 1, 1, 1, 0, 0, 1, 1])

In [19]: a^1
Out[19]: array([0, 0, 0, 0, 0, 0, 1, 1, 0, 0])

一个更通用的 int 类型解决方案。

In [62]: convert=np.array([1,0])

In [63]: convert[a]
Out[63]: array([0, 0, 0, 0, 0, 0, 1, 1, 0, 0])

更改“convert”数组的内容意味着可以映射一系列值。结果使用数组'a'的内容作为数组'convert'的索引。

【讨论】：

很好的解决方案！您在第二个中使用的索引逻辑是花哨的索引，还是使用另一个名称？
numpy 文档将其显示为高级索引 -> 整数数组索引。 link。这两种方法都来自使用 Forth 而不是 Python/numpy 的经验。

【解决方案4】：

给定

>>> a
array([[1, 0, 0, 1],
       [1, 1, 1, 0]])

你可以使用numpy.where

>>> np.where(a == 0, 1, 0) # read as (if, then, else)
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

...或者否定a并进行一些类型转换。

>>> (~a.astype(bool)).astype(int)
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

（IPython）时间：差别不大。

>>> a = np.eye(1000, dtype=int)
>>> %timeit np.where(a == 0, 1, 0)
1.56 ms ± 2.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit (~a.astype(bool)).astype(int)
1.74 ms ± 87.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

其他人回答的时间：

>>> %timeit a^1 # Tls Chris
920 µs ± 31.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit np.array([1, 0])[a] # Tls Chris
1.4 ms ± 102 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit (a - 1)*-1 # sacul
1.57 ms ± 13.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit 1 - a # user3483203
905 µs ± 2.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

我的意见：a^1 和 1 - a 干净、优雅、快速。使用 np.where 可以处理您可能想要交换的任何值。

【讨论】：

【解决方案5】：

如果一个高效的解决方案比一个优雅的解决方案更重要，您可以编写一个非常简单的Numba 解决方案。

示例

import numba as nb
import numpy as np

@nb.njit()
def nb_where(arr):
  for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
      if arr[i,j]==1:
        arr[i,j] = 0
      else:
        arr[i,j] = 1
  return arr

时间

a = np.eye(1000, dtype=int)
np.where(a == 0, 1, 0) #timgeb    -> 2.06ms 
a^1                    #Tls Chris -> 1.31ms 
nb_where(a)                       -> 152 µs

【讨论】：