如果满足条件，则替换 3D 数组中的 2D 子数组答案

【问题标题】：Replacing 2D subarray in 3D array if condition is met如果满足条件，则替换 3D 数组中的 2D 子数组
【发布时间】：2018-04-29 19:03:58
【问题描述】：

我有一个如下所示的矩阵：

a = np.random.rand(3, 3, 3)

[[[0.04331462, 0.30333583, 0.37462236],
  [0.30225757, 0.35859228, 0.57845153],
  [0.49995805, 0.3539933,  0.11172398]],

 [[0.28983508, 0.31122743, 0.67818926],
  [0.42720309, 0.24416101, 0.5469823 ],
  [0.22894097, 0.76159389, 0.80416832]],

 [[0.25661154, 0.64389696, 0.37555374],
  [0.87871659, 0.27806621, 0.3486518 ],
  [0.26388296, 0.8993144,  0.7857116 ]]]

我想检查每个块是否有小于 0.2 的值。如果值小于 0.2，则整个块等于 0.2。在这种情况下：

[[[0.2 0.2 0.2]
  [0.2 0.2 0.2]
  [0.2 0.2 0.2]]

[[0.28983508 0.31122743 0.67818926]
 [0.42720309 0.24416101 0.5469823 ]
 [0.22894097 0.76159389 0.80416832]]

[[0.25661154 0.64389696 0.37555374]
 [0.87871659 0.27806621 0.3486518 ]
 [0.26388296 0.8993144  0.7857116 ]]]

【问题讨论】：

标签： python numpy vectorization

【解决方案1】：

这是获得所需内容的矢量化方式。
从您的示例中获取a：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

给予：

array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ]],

       [[ 0.28983508,  0.31122743,  0.67818926],
        [ 0.42720309,  0.24416101,  0.5469823 ],
        [ 0.22894097,  0.76159389,  0.80416832]],

       [[ 0.25661154,  0.64389696,  0.37555374],
        [ 0.87871659,  0.27806621,  0.3486518 ],
        [ 0.26388296,  0.8993144 ,  0.7857116 ]]])

说明：

再举一个例子，每一步都会更清楚：

a = np.array([[[0.51442898, 0.90447442, 0.45082496],
               [0.59301203, 0.30025497, 0.43517362],
               [0.28300437, 0.64143037, 0.73974422]],
              [[0.228676  , 0.59093859, 0.14441217],
               [0.37169639, 0.57230533, 0.81976775],
               [0.95988687, 0.43372407, 0.77616701]],
              [[0.03098771, 0.80023031, 0.89061113],
               [0.86998351, 0.39619143, 0.16036088],       
               [0.24938437, 0.79131954, 0.38140462]]])

让我们看看哪些元素小于0.2：

print(a < 0.2)

给予：

array([[[False, False, False],
        [False, False, False],
        [False, False, False]],

       [[False, False,  True],
        [False, False, False],
        [False, False, False]],

       [[ True, False, False],
        [False, False,  True],
        [False, False, False]]])

从这里我们想获得那些至少有一个True元素的二维数组的索引：[False, True, True]。为此，我们需要np.any。请注意，我将在这里使用np.ndarray.any 方法链接，而不是嵌套np.any 的函数调用。 ¹

现在只使用(a < 0.2).any() 将只给出True，因为默认情况下它对所有维度执行逻辑或。我们必须指定axis 参数。在我们的例子中，axis=1 或 axis=2 都可以。²

print((a < 0.2).any(axis=1))

给³：

array([[False, False, False],
       [False, False,  True],
       [ True, False,  True]])

从这里我们通过沿行应用另一个 .any() 来获得所需的布尔索引：

print((a < 0.2).any(axis=1).any(axis=1))

给予：

array([False,  True,  True])

实际上，我们可以简单地使用这个boolean index array 来替换原始数组的值：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

给予：

array([[[0.51442898, 0.90447442, 0.45082496],
        [0.59301203, 0.30025497, 0.43517362],
        [0.28300437, 0.64143037, 0.73974422]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]]])

¹只比较链式：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2

有嵌套：

a[np.any(np.any(a < 0.2, axis=1), axis=1)] = 0.2

我认为后者更令人困惑。

²对我来说，起初这很难理解。帮助我的是绘制一个 3x3x3 立方体的图像，打印不同轴的结果，并检查哪个轴对应于哪个方向。此外，这里是在 3D 情况下使用带有 np.sum 的轴的说明：Axis in numpy multidimensional array.

³人们可能期望立即获得[False, True, True]，但事实并非如此。解释见：Small clarification needed on numpy.any for matrices

【讨论】：

【解决方案2】：

既然你的矩阵有三层，试试这个（让你的矩阵是 a）：

for x in a:
    for y in x:
        for z in y:
            if z < 0.2:
                z=0.2

【讨论】：

使用 numpy 提高效率的关键是一次对整个数组执行矢量化操作，而不是使用嵌套循环。此外，这不是 OP 所要求的。

【解决方案3】：

for i, block in enumerate(a):
    if (block < 0.2).flatten().any():
        a[i] = np.ones(np.shape(block)) * 0.2

print(a)

array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ]],

       [[ 0.28983508,  0.31122743,  0.67818926],
        [ 0.42720309,  0.24416101,  0.5469823 ],
        [ 0.22894097,  0.76159389,  0.80416832]],

       [[ 0.25661154,  0.64389696,  0.37555374],
        [ 0.87871659,  0.27806621,  0.3486518 ],
        [ 0.26388296,  0.8993144 ,  0.7857116 ]]])

【讨论】：