在 numpy 数组中将 1 更改为 0 并将 0 更改为 1 而无需循环答案

【问题标题】：Change 1's to 0 and 0's to 1 in numpy array without looping在 numpy 数组中将 1 更改为 0 并将 0 更改为 1 而无需循环
【发布时间】：2019-10-28 21:07:38
【问题描述】：

假设我有一个 numpy 数组，我想将所有 1 交换为 0，将所有 0 交换为 1（该数组将具有其他值，并且 0 和 1 没有什么特别之处）。当然，我可以循环遍历数组并逐个更改它。您可以推荐使用一种有效的方法吗？ np.where() 方法有这个操作的选项吗？

【问题讨论】：

标签： python numpy

【解决方案1】：

最棘手的部分是the array will have other values。如果只有 0 和 1（没有其他值），arr = ~arr + 2 是最快的方法。如果需要考虑the array will have other values，请使用arr^(arr&1==arr)。这是基准。

%%timeit

np.random.seed(0)
arr = np.random.randint(0,2,100)

arr = ~arr + 2

38.8 µs ± 12 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit

np.random.seed(0)
arr = np.random.randint(0,2,100)

where_1 = arr == 1
where_0 = arr == 0

arr[where_1] = 0 # replacing 1s with 0s
arr[where_0] = 1 # replacing 0s with 1s

45.2 µs ± 7.02 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit

np.random.seed(0)
arr = np.random.randint(0,2,100)

arr = arr^(arr&1==arr)

40.3 µs ± 7.8 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit

np.random.seed(0)
arr = np.random.randint(0,2,100)

where_1 = np.where(arr == 1)
where_0 = np.where(arr == 0)

arr[where_0] = 1
arr[where_1] = 0

49.1 µs ± 13.4 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit

np.random.seed(0)
arr = np.random.randint(0,2,100)

arr = np.where((arr==0)|(arr==1), arr^1, arr)

52.3 µs ± 11.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

【讨论】：

【解决方案2】：

inverted = ~arr + 2，因为我的数组是 8 位的，所以对我有用

“~”运算符将数组中整数的所有位从 0 翻转到 1，反之亦然。例如，如果你有一个用八位（一个字节）0000 0000 表示的整数 0，波浪号运算 ~0000 0000 会得到值 1111 1111，即整数值 -1，reference

所以如果 a = 0，~a 给出 -1 并且 (~a+2) 给出 1 如果 a = 1，~a 给出 -2 并且 (~a+2) 给出 0

【讨论】：

【解决方案3】：

iverted = ~arr + 2 应该做的工作

【讨论】：

请注意，此答案无法处理the array will have other values。例如，4 将是 -3。

【解决方案4】：

a^(a&1==a)

例如

a = np.arange(-3, 4)
a^(a&1==a)
# array([-3, -2, -1,  1,  0,  2,  3])

【讨论】：

哈！好吧，这很整洁！不得不跑自己去理解(a&1==a)在这里做了什么:)
@yatu 是的，这里知道运算符优先级的人不能太多。我当然不得不反复试验；-]
我喜欢这个。我总是更喜欢计算结果而不是 if / else。
太棒了！可能不是最符合语义的，但绝对是最优化的。
最好的方法。请投票赞成这个答案。基准见my answer

【解决方案5】：

一种不需要使用任何特殊方法（例如np.where()）的非常简单的方法是获取numpy数组中变量条件的索引，并相应地分配所需的值（在您的情况下0 用于1s 和1 用于0s) 到数组中的相应位置项。这也适用于 0s 和 1s 以外的值。此外，您不需要任何临时变量来交换值。

import numpy as np
arr = np.array([1, 0, 2, 3, 6, 1, 0])
indices_one = arr == 1
indices_zero = arr == 0
arr[indices_one] = 0 # replacing 1s with 0s
arr[indices_zero] = 1 # replacing 0s with 1s

Output: array([0, 1, 2, 3, 6, 0, 1])

【讨论】：

读者注意：以下更好（更快、更通用）的解决方案

【解决方案6】：

这是使用np.where 的一种方法，当它是0 或1 时，取给定值的按位XOR：

np.where((a==0)|(a==1), a^1, a)

例如：

a = np.array([[0,1,2,1], [1,2,0,3]])
print(a)
array([[0, 1, 2, 1],
       [1, 2, 0, 3]])

np.where((a==0)|(a==1), a^1, a)

array([[1, 0, 2, 0],
       [0, 2, 1, 3]])

【讨论】：

a^1 太聪明了:-)
参考stackoverflow.com/questions/2451386/… 给那些（像我一样！）不知道^ 做什么的人...
顺便说一句，你也可以使用1-a。
如果数组是无符号整数，那么您的 2 个测试可能会通过单个测试 a<2 变得更简单/更快，顺便说一句 ;-)
是的，在这种情况下，这将是一个很好的简化 :) @MarkSetchell

【解决方案7】：

对于 np.where，这是一个不太聪明的选择，只是将它用于索引：

where_0 = np.where(arr == 0)
where_1 = np.where(arr == 1)

arr[where_0] = 1
arr[where_1] = 0

如果您对其他值有更多了解（例如，它们都是小数字），可能会有更多选择，但这是最简单的。

【讨论】：

也许除了使用两次np.where之外，您还可以使用np.select？