屏蔽掉数组中的特定值

Question

示例：

我有一个数组：

array([[1, 2, 0, 3, 4],
       [0, 4, 2, 1, 3],
       [4, 3, 2, 0, 1],
       [4, 2, 3, 0, 1],
       [1, 0, 2, 3, 4],
       [4, 3, 2, 0, 1]], dtype=int64)

我有一组（可变长度，顺序无关紧要）"bad" 个值：

{2, 3}

我想要 return 隐藏这些值的掩码：

array([[False,  True, False,  True, False],
       [False, False,  True, False,  True],
       [False,  True,  True, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True,  True, False, False]], dtype=bool)

在 NumPy 中执行此操作的最简单方法是什么？

Answer 1

可能还有比这更简单的方法。但这可以是一种方式：

import numpy as np

a = np.array([[1, 2, 0, 3, 4],
       [0, 4, 2, 1, 3],
       [4, 3, 2, 0, 1],
       [4, 2, 3, 0, 1],
       [1, 0, 2, 3, 4],
       [4, 3, 2, 0, 1]], dtype=np.int64)

f = np.vectorize(lambda x: x in {2,3})
print f(a)

输出：

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

Answer 2

使用 np.in1d 为我们提供此类匹配事件的扁平掩码，然后重新整形为所需输出的输入数组形状，就像这样 -

np.in1d(a,[2,3]).reshape(a.shape)

请注意，我们需要以列表或数组的形式输入要搜索的数字。

样本运行-

In [5]: a
Out[5]: 
array([[1, 2, 0, 3, 4],
       [0, 4, 2, 1, 3],
       [4, 3, 2, 0, 1],
       [4, 2, 3, 0, 1],
       [1, 0, 2, 3, 4],
       [4, 3, 2, 0, 1]])

In [6]: np.in1d(a,[2,3]).reshape(a.shape)
Out[6]: 
array([[False,  True, False,  True, False],
       [False, False,  True, False,  True],
       [False,  True,  True, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True,  True, False, False]], dtype=bool)

2018 版：`numpy.isin`

使用 NumPy 内置 np.isin (introduced in 1.13.0) 来保持形状，因此不需要我们之后重新整形 -

In [153]: np.isin(a,[2,3])
Out[153]: 
array([[False,  True, False,  True, False],
       [False, False,  True, False,  True],
       [False,  True,  True, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True,  True, False, False]])

Answer 3

In [965]: np.any([x==i for i in (2,3)],axis=0)
Out[965]: 
array([[False,  True, False,  True, False],
       [False, False,  True, False,  True],
       [False,  True,  True, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True,  True, False, False]], dtype=bool)

这确实会迭代，但如果 (2,3) 集很小（相对于 x 的大小），这会相对较快。事实上对于小 arr2，np.in1d 这样做：

        mask = np.zeros(len(ar1), dtype=np.bool)
        for a in ar2:
            mask |= (ar1 == a)

由此创建一个掩码数组：

In [970]: np.ma.MaskedArray(x,mask)
Out[970]: 
masked_array(data =
 [[1 -- 0 -- 4]
 [0 4 -- 1 --]
 [4 -- -- 0 1]
 [4 -- -- 0 1]
 [1 0 -- -- 4]
 [4 -- -- 0 1]],
             mask =
 [[False  True False  True False]
 [False False  True False  True]
 [False  True  True False False]
 [False  True  True False False]
 [False False  True  True False]
 [False  True  True False False]],
       fill_value = 999999)

屏蔽掉数组中的特定值

Mask out specific values from an array

python

membership

arrays

numpy

2018 版：`numpy.isin`

屏蔽掉数组中的特定值

Mask out specific values from an array

python

membership

arrays

numpy

2018 版：numpy.isin

2018 版：`numpy.isin`