如何将数组中的掩码应用于numpy中的另一个矩阵答案

【问题标题】：How to apply mask from array to another matrix in numpy如何将数组中的掩码应用于numpy中的另一个矩阵
【发布时间】：2018-03-28 14:43:57
【问题描述】：

我如何在 numpy 中应用掩码来获得此输出？

ar2 = np.arange(1,26)[::-1].reshape([5,5]).T
ar3 = np.array([1,1,-1,-1,1])
print ar2, '\n\n',  ar3

[[25 20 15 10  5]
 [24 19 14  9  4]
 [23 18 13  8  3]
 [22 17 12  7  2]
 [21 16 11  6  1]] 

[ 1  1 -1 -1  1]

--apply where ar3 = 1: ar2/ar2[:,0][:, np.newaxis]

--apply where ar3 = -1: ar2/ar2[:,4][:, np.newaxis]

我追求的结果是：

[[1 0 0 0 0]
 [1 0 0 0 0]
 [ 7  6  4  2  1]
 [11  8  6  3  1]
 [1 0 0 0 0]]

我试过np.where()

【问题讨论】：

标签： python arrays pandas numpy

【解决方案1】：

我不明白为什么 np.where 不应该在这里工作：

>>> np.where((ar3==1)[:, None], 
...          ar2 // ar2[:, [0]],  # where condition is True, divide by first column
...          ar2 // ar2[:, [4]])  # where condition is False, divide by last column
array([[ 1,  0,  0,  0,  0],
       [ 1,  0,  0,  0,  0],
       [ 7,  6,  4,  2,  1],
       [11,  8,  6,  3,  1],
       [ 1,  0,  0,  0,  0]])

我使用的是 Python 3，这就是为什么我使用 //（地板除法）而不是常规除法（/），否则结果将包含浮点数。

这会急切地计算数组，因此它会评估 ar2 // ar2[:, [0]] 和 ar2 // ar2[:, [4]] 的所有值。在内存中有效地保存了 3 个大小为 ar2 的数组（结果和两个临时数组）。如果您希望它更节省内存，则需要在执行操作之前应用掩码：

>>> res = np.empty_like(ar2)
>>> mask = ar3 == 1
>>> res[mask] = ar2[mask] // ar2[mask][:, [0]]
>>> res[~mask] = ar2[~mask] // ar2[~mask][:, [4]]
>>> res
array([[ 1,  0,  0,  0,  0],
       [ 1,  0,  0,  0,  0],
       [ 7,  6,  4,  2,  1],
       [11,  8,  6,  3,  1],
       [ 1,  0,  0,  0,  0]])

这仅计算使用较少内存的必要值（并且可能也更快）。

【讨论】：

【解决方案2】：

不是最优雅的，但这是我能想到的。

m = ar3 == -1
a = (ar2 // ar2[:, [0]])
a[m] = (ar2 // ar2[:, [4]])[m]

print(a)
array([[ 1,  0,  0,  0,  0],
       [ 1,  0,  0,  0,  0],
       [ 7,  6,  4,  2,  1],
       [11,  8,  6,  3,  1],
       [ 1,  0,  0,  0,  0]], dtype=int32)

【讨论】：