比较两个相同形状的 Numpy 数组，一个针对一组条件，然后更改另一个

Question

array_one和array_two可以假设为相同的形状。

我想针对两个条件（它不是“invalid_data”并且值是“list_of_desired_values”中的数字之一）测试 array_two。

对于 array_two 这些条件被认为成立的索引，我想在这种情况下将同一索引处的 array_one 更改为 -9999。

我无法让它工作，理想情况下，我希望能够在 Numpy 中执行此操作，而不是使用 for 循环来提高速度。有谁知道这样做的有效方法吗？

    invalid_data = 5 #example
    list_of_desired_values = [11, 2]
    array_one = numpy.array([[2, 4, 6], [6, 8, 10]], numpy.int32)
    array_two = numpy.array([[5, 2, 1], [7, 11, 55]], numpy.int32)
    for x in array_two.flatten():
        if array_two.flatten()[x] != invalid_data:
            if array_two.flatten()[x] in list_of_desired_values:
                array_one.flatten()[x] = -9999

Answer 1

您的代码有 2 个缺陷：

在for x in array_two.flatten():中x设置为值每个元素，所以将它用作索引是没有意义的（index out of bounds异常很可能发生）。
array_one.flatten()[x] = -9999 也没有意义，因为结果 array_one.flatten() 的 另一个 （临时）数组，然后立即消失（flatten() returns 源数组的 copy，折叠成一维）。

您的代码可以修改为：

for idx, x in np.ndenumerate(array_two):
    if x != invalid_data:
        if x in list_of_desired_values:
            array_one[idx] = -9999

但正确的 numpythonic 解决方案是仅参考 array_one 使用布尔索引（符合您标准的索引）并设置在那里您的目标值：

array_one[np.logical_and(np.not_equal(array_two, invalid_data),
    np.isin(array_two, list_of_desired_values))] = -9999

结果（array_one经过此操作）为：

array([[   2, -9999,    6],
       [   6, -9999,   10]])

比较两个相同形状的 Numpy 数组，一个针对一组条件，然后更改另一个

Comparing two same-shape Numpy arrays, one against a set of conditions to then change the other one

python

arrays

numpy

flatten

numpy-ndarray