具有多種條件的優雅 2D numpy 索引

Question

我有一個我希望變成虛擬變量的數字數組（即，如果滿足條件，則數組為 1，否則為 0）。 但是，條件可能很多，我想知道是否有比我使用的更優雅的解決方案。

arr = np.random.randint(0, 50, size=(100, 100))

# What I'm doing

dummy = np.zeros(arr.shape)
dummy[np.where(np.logical_or.reduce((arr== 10, arr== 15, arr==16, arr==17)))] = 1

在該示例中，每個值為 10、15、16 或 17 的值都變為一個零。 對於一些虛擬變量，我有 10 多個條件，表達式可能會變得冗長，所以我正在尋找更簡潔的東西。 我試過這樣的事情，但得到了一個 ValueError。

dummy= [1 if x in [10, 15, 16, 17] else 0 for x in arr]

Answer 1

您可以使用np.select

arr = np.select([arr==10, arr==15,arr==16,arr==17],[1,1,1,1],0)

Answer 2

可讀性是在旁觀者的眼睛有點，但兩種不同的方式使用1 in ... else 0結構是使用雙for在矩陣的行為的元素循環

dummy = [[1 if x in [10, 15, 16, 17] else 0 for x in row] for row in arr]

不過，它的輸出不是np.array （矩陣），而是一個list list 。 另一種方式來做到這一點，其中“皮”的雙重for循環是使用np.vectorize作為

dummy_func = np.vectorize(lambda x: 1 if x in [10, 15, 16, 17] else 0)
dummy = dummy_func(arr)

或作為單線

dummy = np.vectorize(lambda x: 1 if x in [10, 15, 16, 17] else 0)(arr)

其中，我可能會采用矢量化方法將數據類型保留為np.array因為這通常是更合理的選擇。 而且，即使我將它顯示為可能的單行，我仍然認為最好先定義函數，然后將其應用於兩條不同的行。

不過應該注意的是，vectorize 基本上只是一個雙for循環，因此與其他numpy函數相比，執行速度相當慢。 如果還有其他方法，我也不會感到驚訝，這可能能夠使用numpy的內置並行計算行為，但這又是可讀性（意圖）和速度之間的權衡。