如何正確索引python中的大矩陣

Question

我有一個大的numpy數組與某些條目。 假設一個虛擬的例子是：

    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條目落在某個范圍內的所有索引，比如1.5和2.4 。 我想補相同的形狀的另一矩陣arr與1在其中的價值指數arr落入該范圍內，以其他方式與0 。 也就是說，我想得到一個矩陣，如：

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

有沒有簡單的numpy技巧來做到這一點？ 我知道使用for loop來做這件事很簡單，但由於我的arr非常大，我希望它的速度相當快。 謝謝

Answer 1

您可以使用masking和np.where ：首先創建一個條件掩碼，組合您的兩個邊界條件，然后將其傳遞給np.where 。 矩陣將被賦值為1 ，此條件保持為True否則為0如果為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)

產量

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

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

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

Answer 2

創建符合條件的布爾掩碼。 將0添加到布爾值會將它們轉換為數字結果：

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所建議的那樣：

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

輸出：

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

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

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