时间戳

首页 > 解决方案 > 如何提取与满足条件的原始数组相同维度的数组？

python - 如何提取与满足条件的原始数组相同维度的数组？

问题描述

这个问题听起来很基本。但是当我尝试在 numpy 数组上使用whereorboolean条件时，它总是返回一个扁平数组。

我有 NumPy 数组

P = array([[ 0.49530662,  0.07901   , -0.19012371],
       [ 0.1421513 ,  0.48607405, -0.20315014],
       [ 0.76467375,  0.16479826, -0.56598029],
       [ 0.53530718, -0.21166188, -0.08773241]])

我想提取只有负值的数组，但是当我尝试

P[P<0]
array([-0.19012371, -0.41421612, -0.20315014, -0.56598029, -0.21166188,
       -0.08773241, -0.09241335])
P[np.where(P<0)]
array([-0.19012371, -0.41421612, -0.20315014, -0.56598029, -0.21166188,
       -0.08773241, -0.09241335])

我得到一个扁平的数组。如何提取表单的数组

array([[ 0,  0,          -0.19012371],
       [ 0 , 0,          -0.20315014],
       [ 0,  0,          -0.56598029],
       [ 0, -0.21166188, -0.08773241]])

我不想创建一个临时数组，然后使用类似的东西Temp[Temp>=0] = 0

标签： pythonnumpymultidimensional-arraynumpy-ndarray

解决方案

由于您的需求是：

我想“提取”只有负值的数组

您可以使用numpy.where()您的条件（检查负值），它可以保留数组的维度，如下例所示：

In [61]: np.where(P<0, P, 0)
Out[61]: 
array([[ 0.        ,  0.        , -0.19012371],
       [ 0.        ,  0.        , -0.20315014],
       [ 0.        ,  0.        , -0.56598029],
       [ 0.        , -0.21166188, -0.08773241]])

P你的输入数组在哪里。

另一个想法可能是numpy.zeros_like()用于初始化相同的形状数组并numpy.where()收集我们的条件满足的索引。

# initialize our result array with zeros
In [106]: non_positives = np.zeros_like(P)

# gather the indices where our condition is obeyed
In [107]: idxs = np.where(P < 0)

# copy the negative values to correct indices
In [108]: non_positives[idxs] = P[idxs]

In [109]: non_positives
Out[109]: 
array([[ 0.        ,  0.        , -0.19012371],
       [ 0.        ,  0.        , -0.20315014],
       [ 0.        ,  0.        , -0.56598029],
       [ 0.        , -0.21166188, -0.08773241]])

另一个想法是简单地使用准系统API，如果我们省略kwarg numpy.clip()，它将返回一个新数组。out=

In [22]: np.clip(P, -np.inf, 0)    # P.clip(-np.inf, 0)
Out[22]: 
array([[ 0.        ,  0.        , -0.19012371],
       [ 0.        ,  0.        , -0.20315014],
       [ 0.        ,  0.        , -0.56598029],
       [ 0.        , -0.21166188, -0.08773241]])

推荐阅读