Question

很低，看到升级到1.5.1后，我在numpy.choose中遇到了回归。过去的版本（和数字）支持，据我所知，无限数量的潜在选择。 “新”选项限制为32. Here is a post，其他用户对回归感到遗憾。

我有一个包含100个选项（0-99）的列表，我用它来修改数组。作为一种解决方法，我使用以下代码。可以理解，它比使用选择慢7倍。我不是一名C程序员，虽然我想修复这个numpy问题，但我想知道其他可能更快的解决方法是什么。想法？

d={...} #A dictionary with my keys and their new mappings
for key, value in d.iteritems():
    array[array==key]=value

Answer 1

我认为d的密钥0为99。在这种情况下，解决方案非常简单。首先，以d的方式在NumPy数组values中写入d[i] == values[i]的值 - 无论如何，这似乎是这些值的自然数据结构。然后，您可以使用

替换的值访问新数组

values[array]

如果您想修改array，只需执行

即可

array[:] = values[array]

Answer 2

我不确定效率并且它不在原地（nb：我经常不使用numpy - 因此有点生锈）：

import numpy as np

d = {0: 5, 1: 3, 2: 20}
data = np.array([[1, 0, 2], [2, 1, 1], [1, 0, 1]])
new_data = np.array([d.get(i, i) for i in data.flat]).reshape(data.shape) # adapt for list/other

Answer 3

在Numpy文档中，有一个示例显示select函数的简化版本。

[...]此功能不像它看起来那么简单以下代码描述（在ndi = numpy.lib.index_tricks下面）：
np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)]).

请参见https://docs.scipy.org/doc/numpy/reference/generated/numpy.choose.html

将其放入函数可能如下所示：

import numpy

def choose(selector, choices):
    """
    A simplified version of the numpy choose function to workaround the 32
    choices limit.
    """
    return numpy.array([choices[selector[idx]][idx] for idx in numpy.lib.index_tricks.ndindex(selector.shape)]).reshape(selector.shape)

我不确定这是如何转换为效率的，与numpy.choose函数相比，何时确切地将其分解。但这对我来说很好。请注意，修补功能假定选项中的条目是可下标的。

numpy.choose 32选择限制

3 个答案: