numpy.choose

numpy.choose(a, choices, out=None, mode='raise')

从索引数组和一组数组构造数组以供选择。

首先，如果混淆或不确定，肯定看看例子 - 在它的完全通用性，这个函数不如下面的代码描述简单（下面ndi = numpy.lib.index_tricks ）：

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)]).

但这里省略了一些细微之处。这里是一个完全一般的总结：

Given an “index” array (a) of integers and a sequence of n arrays (choices), a and each choice array are first broadcast, as necessary, to arrays of a common shape; calling these Ba and Bchoices[i], i = 0,...,n-1 we have that, necessarily, Ba.shape == Bchoices[i].shape for each i. 然后，创建形状为Ba.shape的新数组，如下所示：

• 如果mode=raise（默认），则首先，a（并且因此Ba）的每个元素必须在范围[0，n-1]；现在，假设i（在该范围内）是中（j0，j1，...，jm） - 则新数组中相同位置处的值是在相同位置的Bchoices [i]中的值；
• 如果mode=wrap，则a（因此Ba）中的值可以是任何模运算用于将范围[0，n-1]之外的整数映射回该范围；然后新数组如上构建；
• 如果mode=clip，则a（因此Ba）中的值可以是任何负整数映射到0；大于n-1的值映射到n-1；然后如上构造新的数组。

参数：

a：int数组

This array must contain integers in [0, n-1], where n is the number of choices, unless mode=wrap or mode=clip, in which cases any integers are permissible.

choices：数组的序列

选择数组。a，所有选项必须可广播到相同的形状。如果选项本身是数组（不推荐），则其最外面的维度（即对应于choices.shape[0]

out：数组，可选

如果提供，结果将被插入到此数组中。它应该是合适的形状和类型。

mode：{'raise'（默认值），'wrap'，'clip'}，可选

指定如何处理[0，n-1]之外的索引：

• 'raise'：引发异常
• 'wrap'：value become value mod n
• 'clip'：值n-1映射到n-1

返回：

merged_array：数组

合并结果。

上升：

ValueError：shape mismatch

如果a和每个选择数组不能全部广播到相同的形状。

也可以看看

ndarray.choose

等效法

笔记

为了减少误解的可能性，即使下面的“滥用”被名义上支持，选择既不应该也不应被认为是单个数组，即，最外层序列容器应该是列表或元组。

例子

>>> choices = [[0, 1, 2, 3], [10, 11, 12, 13],
...   [20, 21, 22, 23], [30, 31, 32, 33]]
>>> np.choose([2, 3, 1, 0], choices
... # the first element of the result will be the first element of the
... # third (2+1) "array" in choices, namely, 20; the second element
... # will be the second element of the fourth (3+1) choice array, i.e.,
... # 31, etc.
... )
array([20, 31, 12,  3])
>>> np.choose([2, 4, 1, 0], choices, mode='clip') # 4 goes to 3 (4-1)
array([20, 31, 12,  3])
>>> # because there are 4 choice arrays
>>> np.choose([2, 4, 1, 0], choices, mode='wrap') # 4 goes to (4 mod 4)
array([20,  1, 12,  3])
>>> # i.e., 0

一些例子说明如何选择广播：

>>> a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
>>> choices = [-10, 10]
>>> np.choose(a, choices)
array([[ 10, -10,  10],
       [-10,  10, -10],
       [ 10, -10,  10]])

>>> # With thanks to Anne Archibald
>>> a = np.array([0, 1]).reshape((2,1,1))
>>> c1 = np.array([1, 2, 3]).reshape((1,3,1))
>>> c2 = np.array([-1, -2, -3, -4, -5]).reshape((1,1,5))
>>> np.choose(a, (c1, c2)) # result is 2x3x5, res[0,:,:]=c1, res[1,:,:]=c2
array([[[ 1,  1,  1,  1,  1],
        [ 2,  2,  2,  2,  2],
        [ 3,  3,  3,  3,  3]],
       [[-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5]]])