如何正确索引python中的大矩阵

Question

我有一个大的numpy数组与某些条目。 假设一个虚拟的例子是：

    arr = np.array([[[1.0, 2.0, 3.0],[1.5, 1.8, 3.2]],
                    [[1.3, 1.7, 1.9],[1.4, 1.9, 2.1]],
                    [[1.8, 2.2, 2.5],[2.0, 2.2, 2.8]]])

我想知道arr条目落在某个范围内的所有索引，比如1.5和2.4 。 我想补相同的形状的另一矩阵arr与1在其中的价值指数arr落入该范围内，以其他方式与0 。 也就是说，我想得到一个矩阵，如：

mask = np.array([[[0, 1, 0], [1, 1, 0]],
                 [[0, 1, 1], [0, 1, 1]],
                 [[1, 1, 0], [1, 1, 0]]])

有没有简单的numpy技巧来做到这一点？ 我知道使用for loop来做这件事很简单，但由于我的arr非常大，我希望它的速度相当快。 谢谢

Answer 1

您可以使用masking和np.where ：首先创建一个条件掩码，组合您的两个边界条件，然后将其传递给np.where 。 矩阵将被赋值为1 ，此条件保持为True否则为0如果为False

最小的工作答案

import numpy as np

arr = np.array([[[1.0, 2.0, 3.0],[1.5, 1.8, 3.2]],
                [[1.3, 1.7, 1.9],[1.4, 1.9, 2.1]],
                [[1.8, 2.2, 2.5],[2.0, 2.2, 2.8]]])

mask = ((arr>1.5) & (arr<2.4))
arr = np.where(mask, 1, 0)
print (arr)

产量

array([[[0, 1, 0],
        [0, 1, 0]],

       [[0, 1, 1],
        [0, 1, 1]],

       [[1, 1, 0],
        [1, 1, 0]]])

Answer 2

创建符合条件的布尔掩码。 将0添加到布尔值会将它们转换为数字结果：

import numpy as np

arr = np.array([[[1.0, 2.0, 3.0],[1.5, 1.8, 3.2]],
                [[1.3, 1.7, 1.9],[1.4, 1.9, 2.1]],
                [[1.8, 2.2, 2.5],[2.0, 2.2, 2.8]]])

arr_out = ((arr>=1.5) & (arr<=2.4)) + 0
print(arr_out)

或者：

arr_out = np.array(((arr>=1.5) & (arr<=2.4)), dtype=np.uint8)
print(arr_out)

或者，正如@hpaulj所建议的那样：

arr_out = ((arr>=1.5) & (arr<=2.4)).astype(int)
print (arr_out)

输出：

[[[0 1 0]
  [1 1 0]]

 [[0 1 1]
  [0 1 1]]

 [[1 1 0]
  [1 1 0]]]