使用遮罩和其他数组替换数组中的值

Question

我有一个一维“ from”数组（称为“ frm ” ），其中包含带有关联的布尔掩码数组的值：“ 遮罩” （与 frm 相同的形状）。然后，我有第三个“替换”数组：“ repl ” ，也是一维的，但长度比其他两个短。

有了这些，我想生成一个包含 frm 的新数组（“ to ” ） >值除了，其中 mask == True ，在这种情况下，应按顺序使用 repl 。 （请注意， 掩码 中 True 元素的数量等于 repl 的长度）。

我正在寻找实现此目的的“灵巧”方法？我查看了诸如 np.where ， np.take ， np.select ， np.choose 之类的方法，但都没有似乎“符合要求”？

“切割代码”，这就是我到目前为止的内容。它工作正常，但似乎不是“ Numpythonic”？ （或者甚至是Pythonic）

frm  = [1, 2, 3, 4, 5]
mask = [False, True, False, True, True]
repl = [200, 400, 500]
i = 0; to = []
for f,m in zip(frm,mask):
    if m:
        to.append(repl[i])
        i += 1
    else:
        to.append(f)
print(to)

收益率：[1, 200, 3, 400, 500]

（背景：之所以需要这样做，是因为我正在将熊猫 pd.Dataframe 类子类化，并且需要“设置者”作为列/索引。由于无法对 pd.Index 进行“切片索引”，因此我需要首先复制索引/列数组，根据掩码替换副本中的某些元素，然后使用设置器设置一个全新的值。让我知道是否有人对此有更优雅的解决方案。）

Answer 1

numpy解决方案：

它非常简单：

# convert frm to a numpy array:
frm = np.array(frm)
# create a copy of frm so you don't modify original array:
to = frm.copy()

# mask to, and insert your replacement values:
to[mask] = repl

然后to返回：

>>> to
array([  1, 200,   3, 400, 500])

pandas解决方案：

如果您的数据框如下所示：

>>> df
   column
0       1
1       2
2       3
3       4
4       5

然后您可以使用loc：

df.loc[mask,'column'] = repl

然后您的数据框如下所示：

>>> df
   column
0       1
1     200
2       3
3     400
4     500