如何根据条件将矩阵中的值更改为向量中相应的行值

Question

我对是否可以使用纯 numpy 执行以下操作感兴趣。 假设我有一个矩阵 a 和一个向量 b。我想用向量 b 中对应于矩阵 a 中的行的值来填充等号左侧满足条件的任何值。

import numpy as np
a = np.arange(30).reshape(5,6)
a[3,3] = 2
a[4,0] = 1
a
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20,  2, 22, 23],
       [ 1, 25, 26, 27, 28, 29]])

b = np.arange(0,5)[:,None]
b
array([[0],
       [1],
       [2],
       [3],
       [4]])

a[a<3] = b

TypeError：NumPy 布尔数组索引分配需要 0 或 1 维输入，输入有 2 维

我明白为什么这不起作用，我需要将 b 重塑为与 a 相同的形状，然后将其子集化为 a<3 first

b_mat = np.full(a.shape, b)
a[a<3] = b_mat[a<3]

a
array([[ 0,  0,  0,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20,  3, 22, 23],
       [ 4, 25, 26, 27, 28, 29]])

但是，我想知道，有没有一种方法可以在 numpy 中优雅地做到这一点，而无需将一维向量 b 变成所有行都重复的矩阵？

有一种方法可以在 Pandas 中执行此操作，如this question.

Answer 1

使用

a < 3

作为掩码数组，使用

b

作为

fill_value

得到掩码值的初始数组 filled：

a = np.ma.array(a, mask=a < 3, fill_value=b).filled()
print(a)

---

[[ 0  0  0  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20  3 22 23]
 [ 4 25 26 27 28 29]]