如何通过使用单个赋值屏蔽另一个 numpy 数组来创建一个新的 numpy 数组

Question

假设A是一个NP数组。

如果我这样做：

B = np.copy(A)
B[B !=0] = 1

或

A[A != 0]=1
B=np.copy(A)

我将 B 作为 A 的掩码版本，即所需的输出。但是，如果我尝试这样的作业：

B= A[A !=0]=1

B 由于我不明白的原因变成了一个整数。为什么会发生这种情况，是否有一种方法或性能原因可以将此操作作为单个分配执行？

Answer 1

大概您看到 B 的值为 1？

在所有计算机语言中，X = Y = expr 的含义都存在一些歧义。意思是把expr赋给Y，再把Y赋给X？或者是指将expr同时赋值给X和Y。Numpy显然认为是后者。

您将看到与

相同的行为

b = np.zeros((5))
a = b[0] = 1

即使 b[0] == 1.0

，您也会看到 a 被赋值为 1

Answer 2

我必须在开头说任何这样做的尝试都会大大降低可读性。如果您不想让其他人（或您自己）再次使用该代码，只需使用两行。这个答案只是为了证明可以做什么，而不是应该做什么。

表达式 A=B=x 将 x 分配给 A 和 B。如果你真的想把所有东西都挤在一行上，你可以尝试像

这样的东西

import numpy as np
a = np.arange(5)
(b:=a.copy())[a!=0]=1

:= (walrus) 运算符实际上求值为分配的值，这与赋值 (=) 运算符不同。（请注意，A=B=x 有效，因为它基本上是 t=x; A=t; B=t 的 shorthand，但 A=(B=x) 将无效，因为赋值不计算任何值。你可以写 A=(B:=x) though.) 然后 a 保持不变，这对应于你的第一个版本，所以

>>> b
array([0, 1, 1, 1, 1])
>>> a
array([0, 1, 2, 3, 4])

如何通过使用单个赋值屏蔽另一个 numpy 数组来创建一个新的 numpy 数组

how to create a new numpy array by masking another numpy array with a single assignment

python

arrays

numpy

masking