如何根据掩码数组更改 numpy 数组？答案

【问题标题】：How to change numpy array based on mask array?如何根据掩码数组更改 numpy 数组？
【发布时间】：2020-02-29 01:49:41
【问题描述】：

我有一个数组 data_set，大小：(172800,3) 和掩码数组，大小 (172800) 由 1 和 0 组成。我想用我定义的值替换基于掩码数组中的值（0或1）的值形式data_set数组：例如：[0,0,0]或[128,16,128]。

我试过“np.placed”函数，但这里的问题是掩码数组的大小不正确。

我还检查了更 Pythonic 的方式： data_set[mask]= [0,0,0] 它工作得很好，但是对于某些理由，只有 2 个第一个元素。

data_set[mask]= [0,0,0]

data_set = np.place(data_set, mask, [0,0,0])

如果掩码值为 1，我的预期输出是将 data_set 矩阵中元素的值更改为 [0,0,0]。

例如

data_set = [[134,123,90] , [234,45,65] , [32,233,45]]
mask = [ 1, 0, 1]

output = [[0,0,0] , [234, 45,65] , [0,0,0]]

【问题讨论】：

试试data_set[mask.astype(bool)] = 0
或data_set[np.where(mask)] = 0., data_set[mask == 1] = 0.
谢谢。它适用于 [0,0,0] 但如果我需要用其他值（如 ex. [128,16,128]？
data_set[mask.astype(bool)] = [128,16,128]
太棒了！谢谢。

标签： python arrays numpy mask

【解决方案1】：

当您尝试使用 mask 索引您的数据时，numpy 假定您正在给它一个索引列表。使用布尔数组，或将掩码转换为索引列表：

import numpy as np

data_set = np.array([[134,123,90] , [234,45,65] , [32,233,45]])
mask = np.array([1, 0, 1])
val = np.zeros(data_set.shape[1])

data_set[mask.astype(bool),:] = val
# or
data_set[np.where(mask),:] = val

第一个将整数数组转换为布尔数组，而第二个创建掩码不为零的索引列表。

您可以将val 设置为您需要的任何值，只要它与数据集的剩余维度匹配（在本例中为3）。

【讨论】：