Заменить множество элементов в массиве Numpy соответствующими значениями

Question

Пожалуйста, рассмотрите следующий код:

arr = np.array([0, 1, 3, 5, 5, 6, 7, 9, 8, 9, 3, 2, 4, 6])
mapping = np.array([0, 10, 20, 30, 40, 55, 66, 70, 80, 90])
res = np.zeros_like(arr)
min_val = 0
max_val = 10

for val in range(min_val, max_val):
    res[arr == val] = mapping[val]

print(res)

Массив Numpy arr может иметь несколько вхождений целых чисел из интервала [min_val, max_val).Массив mapping будет иметь сопоставления для каждого целого числа, а размер массива mapping будет max_val.res массив является результирующим массивом.

Цикл for заменяет несколько встречающихся элементов в arr на соответствующее значение в mapping.Например, значение 0 в arr будет заменено на mapping[0] и 5 в arr на mapping[5].

Результат приведенного выше кода будет таким, как показано ниже.

[ 0 10 30 55 55 66 70 90 80 90 30 20 40 66]

Вопрос : Как выполнить эту операцию, используя Numpy вместо for loop?

Ответ :используйте необычное индексирование Numpy's 1036 *

Answer 1

Просто используйте mapping[arr] для доступа к нужному элементу в новом массиве Numpy:

>>> arr = np.array([0, 1, 3, 5, 5, 6, 7, 9, 8, 9, 3, 2, 4, 6])
>>> mapping = np.array([0, 10, 20, 30, 40, 55, 66, 70, 80, 90])
>>> print(mapping[arr])
array([ 0, 10, 30, 55, 55, 66, 70, 90, 80, 90, 30, 20, 40, 66])

Если вы хотите его как list:

>>> print(list(mapping[arr]))
[0, 10, 30, 55, 55, 66, 70, 90, 80, 90, 30, 20, 40, 66]

Answer 2

Вы можете просто использовать arr в качестве индексного массива для mapping:

mapping[arr]

вывод

[ 0 10 30 55 55 66 70 90 80 90 30 20 40 66]

---

Вы можете прочитать официальную документацию SciPy об индексированных массивах . Пример из документации:

>>> x = np.arange(10,1,-1)
>>> x
array([10,  9,  8,  7,  6,  5,  4,  3,  2])
>>> x[np.array([3, 3, 1, 8])]
array([7, 7, 9, 2])

Значения индексного массива используются в качестве индекса для исходного массива.

Это также возможно с многомерными массивами :

>>> x = array([[ 0,  1,  2],
...            [ 3,  4,  5],
...            [ 6,  7,  8],
...            [ 9, 10, 11]])
>>> rows = np.array([[0, 0],
...                  [3, 3]], dtype=np.intp)
>>> columns = np.array([[0, 2],
...                     [0, 2]], dtype=np.intp)
>>> x[rows, columns]
array([[ 0,  2],
       [ 9, 11]])