如果滿足條件，則在 3D 數組中替換 2D 子數組

Question

我有一個看起來像這樣的矩陣：

a = np.random.rand(3, 3, 3)

[[[0.04331462, 0.30333583, 0.37462236],
  [0.30225757, 0.35859228, 0.57845153],
  [0.49995805, 0.3539933,  0.11172398]],

 [[0.28983508, 0.31122743, 0.67818926],
  [0.42720309, 0.24416101, 0.5469823 ],
  [0.22894097, 0.76159389, 0.80416832]],

 [[0.25661154, 0.64389696, 0.37555374],
  [0.87871659, 0.27806621, 0.3486518 ],
  [0.26388296, 0.8993144,  0.7857116 ]]]

我想檢查每個塊的值是否小於 0.2。 如果值小於 0.2，則整個塊等於 0.2。 在這種情況下：

[[[0.2 0.2 0.2]
  [0.2 0.2 0.2]
  [0.2 0.2 0.2]]

[[0.28983508 0.31122743 0.67818926]
 [0.42720309 0.24416101 0.5469823 ]
 [0.22894097 0.76159389 0.80416832]]

[[0.25661154 0.64389696 0.37555374]
 [0.87871659 0.27806621 0.3486518 ]
 [0.26388296 0.8993144  0.7857116 ]]]

Answer 1

這是獲得所需內容的矢量化方式。
以a從你的例子：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

給出：

array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ]],

       [[ 0.28983508,  0.31122743,  0.67818926],
        [ 0.42720309,  0.24416101,  0.5469823 ],
        [ 0.22894097,  0.76159389,  0.80416832]],

       [[ 0.25661154,  0.64389696,  0.37555374],
        [ 0.87871659,  0.27806621,  0.3486518 ],
        [ 0.26388296,  0.8993144 ,  0.7857116 ]]])

---

解釋：

再舉一個例子，其中每一步都會更加清晰：

a = np.array([[[0.51442898, 0.90447442, 0.45082496],
               [0.59301203, 0.30025497, 0.43517362],
               [0.28300437, 0.64143037, 0.73974422]],
              [[0.228676  , 0.59093859, 0.14441217],
               [0.37169639, 0.57230533, 0.81976775],
               [0.95988687, 0.43372407, 0.77616701]],
              [[0.03098771, 0.80023031, 0.89061113],
               [0.86998351, 0.39619143, 0.16036088],       
               [0.24938437, 0.79131954, 0.38140462]]])

讓我們看看哪些元素小於 0.2：

print(a < 0.2)

給出：

array([[[False, False, False],
        [False, False, False],
        [False, False, False]],

       [[False, False,  True],
        [False, False, False],
        [False, False, False]],

       [[ True, False, False],
        [False, False,  True],
        [False, False, False]]])

從這里我們想得到那些至少有一個True元素的二維數組的索引： [False, True, True] 。 np.any ，我們需要np.any 。 請注意，我將在這里使用np.ndarray.any方法鏈接，而不是嵌套np.any函數調用。 ¹

現在只使用(a < 0.2).any()將給出True因為默認情況下它在所有維度上執行邏輯或。 我們必須指定axis參數。 在我們的例子中，我們可以使用axis=1或axis=2 。 ²

print((a < 0.2).any(axis=1))

給出³ ：

array([[False, False, False],
       [False, False,  True],
       [ True, False,  True]])

從這里我們通過沿行應用另一個.any()來獲得所需的布爾索引：

print((a < 0.2).any(axis=1).any(axis=1))

給出：

array([False,  True,  True])

最后，我們可以簡單地使用這個布爾索引數組來替換原始數組的值：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

給出：

array([[[0.51442898, 0.90447442, 0.45082496],
        [0.59301203, 0.30025497, 0.43517362],
        [0.28300437, 0.64143037, 0.73974422]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]]])

---

¹只是比較鏈接：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2

帶嵌套：

a[np.any(np.any(a < 0.2, axis=1), axis=1)] = 0.2

我認為后者更令人困惑。

²對我來說，這起初很難理解。 幫助我的是繪制一個 3x3x3 立方體的圖像，打印不同軸的結果，並檢查哪個軸對應哪個方向。 此外，這里是在 3D 情況下使用帶有np.sum軸的說明： numpy 多維數組中的軸。

³人們可能期望立即得到[False, True, True] ，但事實並非如此。 有關解釋，請參閱： 矩陣的 numpy.any 上的小說明

Answer 2

因為你的矩陣有三層，試試這個（讓你的矩陣是 a）：

for x in a:
    for y in x:
        for z in y:
            if z < 0.2:
                z=0.2

Answer 3

for i, block in enumerate(a):
    if (block < 0.2).flatten().any():
        a[i] = np.ones(np.shape(block)) * 0.2

print(a)

array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ]],

       [[ 0.28983508,  0.31122743,  0.67818926],
        [ 0.42720309,  0.24416101,  0.5469823 ],
        [ 0.22894097,  0.76159389,  0.80416832]],

       [[ 0.25661154,  0.64389696,  0.37555374],
        [ 0.87871659,  0.27806621,  0.3486518 ],
        [ 0.26388296,  0.8993144 ,  0.7857116 ]]])