给定条件替换多维数组的 2/3

Question

我有以下数据

>>> import numpy as np
>>> original_classes=np.load("classes.npy")
>>> original_features=np.load("features.npy")

这些 NumPy arrays 具有以下形状

>>> original_classes.shape
(12000,)
>>> original_features.shape
(12000, 224, 224, 3)

我想做的是用新数组的内容替换original_features NumPy 数组的 2/3

>> new_features=np.load("new-features.npy")
>> new_features.shape
(600, 224, 224, 3)

但是，这些数据必须替换original_features Numpy 数组中 original_classes==11 的600 个位置。

这意味着original_classes数组中共有 12 个唯一类， original_features中的每个 class 有 1000 个特征。 我想简单地用new_features数组中的 600 个功能替换 class 11 的 600 个功能，用 python 可以做到这一点吗？

PS=数据可以在这里找到

Answer 1

首先，我们应该找出 class 11 的索引：

items_11 = original_classes == 11
idx_11   = np.argwhere(items_11).ravel() # it gives the array of args equal to 11

编辑

然后，我们选择最后 600 个项目：

selected_idx = idx_11[len(idx_11)-600:]

或者你可以随机 select：

size = ( 2 * len(idx_11) )  // 3
selected_idx = np.random.choice(idx_11, size=size, replace=False)

新数据：

mask = np.ones(len(original_features), dtype=bool) # all elements included/True.
mask[selected_idx] = False  

new_x = original_features[mask]
new_y = original_classes[mask]


new_x = np.concatenate([new_x,new_features],axis=0)
new_y = np.concatenate([new_y,np.ones(len(new_features)) * 11],axis=0)