Question

我想检查NumPyArray中是否包含一个集合中的值，如果是这样，则设置该数组中的区域= 1.如果没有设置keepRaster = 2.

numpyArray = #some imported array
repeatSet= ([3, 5, 6, 8])

confusedRaster = numpyArray[numpy.where(numpyArray in repeatSet)]= 1

收率：

<type 'exceptions.TypeError'>: unhashable type: 'numpy.ndarray'

有没有办法循环使用它？

 for numpyArray
      if numpyArray in repeatSet
           confusedRaster = 1
      else
           keepRaster = 2

澄清并要求进一步帮助：

我想要了解的是，目前正在做的是将光栅输入放入数组中。我需要读取二维数组中的值，并根据这些值创建另一个数组。如果数组值在一个集合中，那么该值将为1.如果它不在一个集合中，那么该值将从另一个输入派生，但我现在说77。这就是我目前正在使用的。我的测试输入有大约1500行和3500列。它总是在第350行附近冻结。

for rowd in range(0, width):
    for cold in range (0, height):
        if numpyarray.item(rowd,cold) in repeatSet:
            confusedArray[rowd][cold] = 1
        else:
            if numpyarray.item(rowd,cold) == 0:
                confusedArray[rowd][cold] = 0
            else:
                confusedArray[rowd][cold] = 2

Answer 1

在版本1.4及更高版本中，numpy提供in1d功能。

>>> test = np.array([0, 1, 2, 5, 0])
>>> states = [0, 2]
>>> np.in1d(test, states)
array([ True, False,  True, False,  True], dtype=bool)

您可以将其用作作业的掩码。

>>> test[np.in1d(test, states)] = 1
>>> test
array([1, 1, 1, 5, 1])

以下是numpy的索引和赋值语法的一些更复杂的用法，我认为它们将适用于您的问题。注意使用按位运算符替换基于if的逻辑：

>>> numpy_array = numpy.arange(9).reshape((3, 3))
>>> confused_array = numpy.arange(9).reshape((3, 3)) % 2
>>> mask = numpy.in1d(numpy_array, repeat_set).reshape(numpy_array.shape)
>>> mask
array([[False, False, False],
       [ True, False,  True],
       [ True, False,  True]], dtype=bool)
>>> ~mask
array([[ True,  True,  True],
       [False,  True, False],
       [False,  True, False]], dtype=bool)
>>> numpy_array == 0
array([[ True, False, False],
       [False, False, False],
       [False, False, False]], dtype=bool)
>>> numpy_array != 0
array([[False,  True,  True],
       [ True,  True,  True],
       [ True,  True,  True]], dtype=bool)
>>> confused_array[mask] = 1
>>> confused_array[~mask & (numpy_array == 0)] = 0
>>> confused_array[~mask & (numpy_array != 0)] = 2
>>> confused_array
array([[0, 2, 2],
       [1, 2, 1],
       [1, 2, 1]])

另一种方法是使用numpy.where创建一个全新的数组，使用第mask为真的第二个参数的值，以及mask为mask的第三个参数的值假。（与赋值一样，参数可以是标量或与>>> numpy.where(mask, 1, numpy.where(numpy_array == 0, 0, 2)) array([[0, 2, 2], [1, 2, 1], [1, 2, 1]])形状相同的数组。）这可能比上面的更有效，而且它肯定更简洁：

{{1}}

Answer 2

这是一种做你想做的事情的可能方式：

numpyArray = np.array([1, 8, 35, 343, 23, 3, 8]) # could be n-Dimensional array
repeatSet = np.array([3, 5, 6, 8])
mask = (numpyArray[...,None] == repeatSet[None,...]).any(axis=-1) 
print mask
>>> [False  True False False False  True  True]

Answer 3

在最近的 numpy 中，您可以使用 np.isin 和 np.where 的组合来实现此结果。第一种方法输出一个布尔 numpy 数组，该数组的计算结果为 True，其中它的 vlaues 等于一个类似数组的指定测试元素（参见 doc），而第二种方法您可以创建一个新数组，该数组设置一些指定 confition 计算为 True 的值和另一个值 False。

示例

我会用一个随机数组做一个例子，但使用你提供的特定值。

import numpy as np

repeatSet = ([2, 5, 6, 8])

arr = np.array([[1,5,1],
                [0,1,0],
                [0,0,0],
                [2,2,2]])

out = np.where(np.isin(arr, repeatSet), 1, 77)

> out
array([[77,  1, 77],
       [77, 77, 77],
       [77, 77, 77],
       [ 1,  1,  1]])

检查集合中的值是否在python中的numpy数组中

3 个答案:

示例