2d和1d Numpy阵列的交点

Question

对于A[:,3:]也在数组中的数组中的每个元素B,我想将值设置为0,这将创建数组result

import numpy as np

A = np.array([[1, 1, 10, 101, 102, 103,   0,   0],
              [2, 2, 10, 102, 108,   0,   0,   0],
              [3, 3, 11, 101, 102, 106, 107, 108]])

B = np.array([101, 106, 108])

result = np.array([[1, 1, 10,   0, 102, 103,   0,   0],
                   [2, 2, 10, 102,   0,   0,   0,   0],
                   [3, 3, 11,   0, 102,   0, 107,   0]])

我知道有一种方法可以使用in1d和广播A作为一维数组,但我不知道如何去做.

任何帮助将不胜感激.

Answer 1

如果您将切片的2D数组A[:,3:]输入,它会将其展平为1D数组并与出现次数进行比较,从而创建1D掩码,该掩码可以重新整形并用于布局索引到该切片数组以将元素设置为.单线程实现看起来像这样 - np.in1dBTRUEzeros

A[:,3:][np.in1d(A[:,3:],B).reshape(A.shape[0],-1)] = 0

样品运行 -

In [37]: A
Out[37]: 
array([[  1,   1,  10, 101, 102, 103,   0,   0],
       [  2,   2,  10, 102, 108,   0,   0,   0],
       [  3,   3,  11, 101, 102, 106, 107, 108]])

In [38]: np.in1d(A[:,3:],B) # Flattened mask
Out[38]: 
array([ True, False, False, False, False, False,  True, False, False,
       False,  True, False,  True, False,  True], dtype=bool)

In [39]: np.in1d(A[:,3:],B).reshape(A.shape[0],-1) # Reshaped mask
Out[39]: 
array([[ True, False, False, False, False],
       [False,  True, False, False, False],
       [ True, False,  True, False,  True]], dtype=bool)

In [40]: A[:,3:][np.in1d(A[:,3:],B).reshape(A.shape[0],-1)] = 0 # Final code

In [41]: A
Out[41]: 
array([[  1,   1,  10,   0, 102, 103,   0,   0],
       [  2,   2,  10, 102,   0,   0,   0,   0],
       [  3,   3,  11,   0, 102,   0, 107,   0]])

为了简化操作,您可以创建展平视图,A并使用从中获得的1D蒙版以获得np.in1d更优雅的解决方案.对于只更改切片的解决方案A[:,3:],您可以使用.flat然后索引,如此 -

A[:,3:].flat[np.in1d(A[:,3:],B)] = 0

对于您希望在整个过程中设置匹配的情况A,您可以使用.ravel()-

A.ravel()[np.in1d(A,B)] = 0

我知道.ravel()是一个观点,从文档来看,似乎.flat也没有创建副本,所以这些应该是便宜的.