更改满足条件的 NumPy 数组的第 n 个条目

Question

我有一个 NumPy 数组 arr 和一个（反向）掩码 mask。为简单起见，我们假设它们都是 1d。我想更改arr 中的nth 非屏蔽值。

一个例子：

import numpy as np
arr = np.arange(5)
mask = np.array((True, False, True, True, False))

很遗憾，

arr[mask][-1] = 100

我预计会返回的

array([0, 1, 2, 100, 4])

由于NumPy array views on non-consecutive items 中列出的原因而无法正常工作。

一种解决方法是将允许的值存储在一个新变量中，更改相应的值，然后将所有值复制回原始数组：

tmp = arr[mask]
tmp[-1] = 100
arr[mask] = tmp

但是，这种解决方案是丑陋且低效的，因为我必须复制许多根本不想更改的值。

有没有人有优雅的方法来处理这类问题？我会对最通用的解决方案感兴趣，这样我就可以使用tmp 进行所有经典的赋值操作。但是，如果有一种仅适用于具体描述的情况的有效方法，我仍然会对它感兴趣！

Answer 1

一种选择是使用np.where 来获取您的mask 条件为True 的索引集。然后，您可以使用这些索引的子集对arr 进行索引并进行分配：

# np.where returns a tuple of index arrays, one per dimension
arr[np.where(mask)[0][-1]] = 100

print(repr(arr))
# array([  0,   1,   2, 100,   4])

您可以将此方法与切片索引、布尔索引等结合使用。例如：

arr[np.where(mask)[0][::-1]] = 100, 200, 300
print(repr(arr))
# array([300,   1, 200, 100,   4])

Answer 2

您也可以使用np.nonzero 从您的掩码中获取索引？

index = mask.nonzero()[0][-1]

arr[index] = 100

In [29]: arr 
Out[29]: array([  0,   1,   2, 100,   4])

或者，您可以将np.array 转换为列表并使用列表的index 方法查找最后一个值的索引：

index = arr.tolist().index(arr[mask][-1])
arr[index] = 100

In [78]: arr
Out[78]: array([  0,   1,   2, 100,   4])

基准测试：

In [87]: %timeit arr[mask.nonzero()[0][-1]] = 100
1000000 loops, best of 3: 897 ns per loop

In [88]: %timeit arr[np.where(mask)[0][-1]] = 100
1000000 loops, best of 3: 980 ns per loop

In [91]: %timeit arr[arr.tolist().index(arr[mask][-1])] = 100
100000 loops, best of 3: 2.44 us per loop

所以nonzero 方法比np.where 快一点。

编辑

我认为nonzero 更快一点，因为对于来自文档的np.where：

如果只给出条件，则返回condition.nonzero()。

所以基本上你是通过np.where 调用np.nonzero，因为在这种情况下你只传递了一个条件。