使用查找表更改数组值 [重复]答案

【问题标题】：Change array values using lookup table [duplicate]使用查找表更改数组值 [重复]
【发布时间】：2018-12-11 16:57:49
【问题描述】：

我有一个 numpy 二维整数数组：

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

我有一个包含原始值和新值的查找表（元组列表）：

lookup = [(0, 1), 
          (1, 0), 
          (2, 255)]

我的任务是根据查找表对原始数组进行重新分类：原始数组中的所有零都应变为 1，所有 1 应变为零，所有值 ==2 应更改为 255，其他值应保持不变。预期结果是：

[[0, 0, 255, 255],
 [1, 0, 255, 255],
 [0, 3, 255, 3]]

我尝试了以下解决方案：

for row in lookup:
    original_value = row[0]
    new_value = row[1]
    a[a == original_value] = new_value

但是，我并没有得到想要的结果，上面的操作结果是：

[[0, 0, 255, 255],
 [0, 0, 255, 255],
 [0, 3, 255, 3]]

注意 result[1, 0] 是 0 但应该是 1。

是否有方法（嵌套循环除外）使用我的查找表更改原始数组中的值？

【问题讨论】：

有一个类似的问题here，他们使用查找表而不是字典
如果a中的值是0、1、2的形式...你可以定义tovals = np.array(1,0,255,3)然后简单地result = tovals[a]
This 几乎是同一个问题，只是在这种情况下，缺少的映射用零而不是原样填充。

标签： python arrays numpy matrix lookup

【解决方案1】：

您可以复制在“for”循环中保持不变的数组“a”：

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

lookup = [(0, 1), 
          (1, 0), 
          (2, 255)]

a_copy = np.copy(a)

for row in lookup:
    original_value = row[0]
    new_value = row[1]
    a[a_copy == original_value] = new_value

【讨论】：

【解决方案2】：

我认为这可行：

a = np.array([[1, 1, 2, 2],
             [0, 1, 2, 2],
             [1, 3, 2, 3]])
lookup = [(0, 1), 
          (1, 0), 
          (2, 255)]

result = (a == 0) + (a == 2) * 255 + (a != 1) * (a != 0) * (a != 2) * a

你有以下结果：

 array([[  0,   0, 255, 255],
        [  1,   0, 255, 255],
        [  0,   3, 255,   3]])

【讨论】：

【解决方案3】：

你可以这样做：

import numpy as np

a = np.array([[1, 1, 2, 2],
              [0, 1, 2, 2],
              [1, 3, 2, 3]])
lookup = [(0, 1),
          (1, 0),
          (2, 255)]

lookup = np.asarray(lookup)
replacer = np.arange(a.max() + 1)
replacer[lookup[:, 0]] = lookup[:, 1]
result = replacer[a]
print(result)

输出：

[[  0   0 255 255]
 [  1   0 255 255]
 [  0   3 255   3]]

【讨论】：