numpy.choose¶

numpy.choose(a, choices, out=None, mode='raise')[源代码]¶

从索引数组和一组要选择的数组构造数组。

首先，如果混淆或不确定，一定要看一下例子——在它的全部概括性中，这个函数并不像下面的代码描述（在ndi下面）中看起来那么简单= numpy.lib.index_tricks ）：

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)]) .

但这忽略了一些微妙之处。以下是一个全面的概述：

给定一个“索引”数组 (a ）整数和 n 数组 (choices ） a 根据需要，每个选择数组首先广播到一个公共形状的数组；调用这些数组 Ba 和 [Bchoices[i], i = 0,...,n-1] 我们有，必然的， Ba.shape == Bchoices[i].shape 对于每一个 i . 然后，一个具有形状的新数组 Ba.shape 创建如下：

如果 mode=raise （默认），然后，首先，每个元素 a （因此） Ba ）必须在范围内 [0, n-1] 现在，假设 i （在该范围内）是 (j0, j1, ..., jm) 在位置 Ba -那么新数组中相同位置的值就是 Bchoices[i] 在同一位置；
如果 mode=wrap 值 a （因此） Ba ）可以是任意（有符号）整数；模块化算法用于映射范围之外的整数。 [0, n-1] 回到那个范围；然后按照上面的方式构造新的数组；
如果 mode=clip 值 a （因此） Ba ）可以是任意（有符号）整数；负整数映射为0；值大于 n-1 映射到 n-1 ，然后按照上面的方法构造新数组。

参数

a数组数组

此数组中必须包含整数 [0, n-1] 在哪里 n 是选择的数目，除非 mode=wrap 或 mode=clip ，在这种情况下，任何整数都是允许的。

choices阵列序列

选择数组。 a 所有的选择都必须可以广播到相同的形状。如果 choices 它本身是一个数组（不推荐），那么它的最外层维度（即对应于 choices.shape[0] ）被视为定义“序列”。

out可选数组

如果提供，结果将插入到该数组中。它应该有适当的形状和类型。请注意 out 总是缓冲，如果 mode='raise' ；使用其他模式以获得更好的性能。

mode'raise'（默认）、'wrap'、'clip'，可选

指定索引外部的方式 [0, n-1] 将被治疗：

“引发”：引发异常

“wrap”：值变为值mod n

“clip”：值<0映射到0，值>n-1映射到n-1

返回

merged_array数组: 合并结果。

加薪

值错误：形状不匹配: 如果 a 并且每个选择数组都不能广播到相同的形状。

参见

ndarray.choose: 等效法
numpy.take_along_axis: 最好是如果 choices 是一个数组

笔记

为了减少误解的机会，即使名义上支持以下“滥用”， choices 既不应该是，也不应该被认为是单个数组，即，容器之类的最外层序列应该是列表或元组。

实例

>>> choices = [[0, 1, 2, 3], [10, 11, 12, 13],
...   [20, 21, 22, 23], [30, 31, 32, 33]]
>>> np.choose([2, 3, 1, 0], choices
... # the first element of the result will be the first element of the
... # third (2+1) "array" in choices, namely, 20; the second element
... # will be the second element of the fourth (3+1) choice array, i.e.,
... # 31, etc.
... )
array([20, 31, 12,  3])
>>> np.choose([2, 4, 1, 0], choices, mode='clip') # 4 goes to 3 (4-1)
array([20, 31, 12,  3])
>>> # because there are 4 choice arrays
>>> np.choose([2, 4, 1, 0], choices, mode='wrap') # 4 goes to (4 mod 4)
array([20,  1, 12,  3])
>>> # i.e., 0

举例说明如何选择广播：

>>> a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
>>> choices = [-10, 10]
>>> np.choose(a, choices)
array([[ 10, -10,  10],
       [-10,  10, -10],
       [ 10, -10,  10]])

>>> # With thanks to Anne Archibald
>>> a = np.array([0, 1]).reshape((2,1,1))
>>> c1 = np.array([1, 2, 3]).reshape((1,3,1))
>>> c2 = np.array([-1, -2, -3, -4, -5]).reshape((1,1,5))
>>> np.choose(a, (c1, c2)) # result is 2x3x5, res[0,:,:]=c1, res[1,:,:]=c2
array([[[ 1,  1,  1,  1,  1],
        [ 2,  2,  2,  2,  2],
        [ 3,  3,  3,  3,  3]],
       [[-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5]]])

numpy.take_along_axis numpy.compress