03.17 choose 函数实现条件筛选
choose 函数实现条件筛选
对于数组，我们有时候需要进行类似 switch 和 case 进行条件选择，此时使用 choose 函数十分方便：
1import numpy as np
1control = np.array([[1,0,1],
2 [2,1,0],
3 [1,2,2]])
4
5np.choose(control, [10, 11, 12])
array([[11, 10, 11],
[12, 11, 10],
[11, 12, 12]])
在上面的例子中，choose 将 0,1,2 对应的值映射为了 10, 11, 12，这里的 0,1,2 表示对应的下标。
事实上， choose 不仅仅能接受下标参数，还可以接受下标所在的位置：
1i0 = np.array([[0,1,2],
2 [3,4,5],
3 [6,7,8]])
4i2 = np.array([[20,21,22],
5 [23,24,25],
6 [26,27,28]])
7control = np.array([[1,0,1],
8 [2,1,0],
9 [1,2,2]])
10
11np.choose(control, [i0, 10, i2])
array([[10, 1, 10],
[23, 10, 5],
[10, 27, 28]])
这里，control 传入第一个 1 对应的是 10，传入的第一个 0 对应于 i0 相应位置的值即 1，剩下的以此类推。
下面的例子将数组中所有小于 10 的值变成了 10。
1a = np.array([[ 0, 1, 2],
2 [10,11,12],
3 [20,21,22]])
4
5a < 10
array([[ True, True, True],
[False, False, False],
[False, False, False]], dtype=bool)
1np.choose(a < 10, (a, 10))
array([[10, 10, 10],
[10, 11, 12],
[20, 21, 22]])
下面的例子将数组中所有小于 10 的值变成了 10，大于 15 的值变成了 15。
1a = np.array([[ 0, 1, 2],
2 [10,11,12],
3 [20,21,22]])
4
5lt = a < 10
6gt = a > 15
7
8choice = lt + 2 * gt
9choice
array([[1, 1, 1],
[0, 0, 0],
[2, 2, 2]])
1np.choose(choice, (a, 10, 15))
array([[10, 10, 10],
[10, 11, 12],
[15, 15, 15]])