045.md

choose 函数实现条件筛选

对于数组，我们有时候需要进行类似 switch 和 case 进行条件选择，此时使用 choose 函数十分方便：

In [1]:

import numpy as np

In [2]:

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

np.choose(control, [10, 11, 12])

Out[2]:

array([[11, 10, 11],
       [12, 11, 10],
       [11, 12, 12]])

在上面的例子中，choose 将 0,1,2 对应的值映射为了 10, 11, 12，这里的 0,1,2 表示对应的下标。

事实上， choose 不仅仅能接受下标参数，还可以接受下标所在的位置：

In [3]:

i0 = np.array([[0,1,2],
               [3,4,5],
               [6,7,8]])
i2 = np.array([[20,21,22],
               [23,24,25],
               [26,27,28]])
control = np.array([[1,0,1],
                    [2,1,0],
                    [1,2,2]])

np.choose(control, [i0, 10, i2])

Out[3]:

array([[10,  1, 10],
       [23, 10,  5],
       [10, 27, 28]])

这里，control 传入第一个 1 对应的是 10，传入的第一个 0 对应于 i0 相应位置的值即 1，剩下的以此类推。

下面的例子将数组中所有小于 10 的值变成了 10。

In [4]:

a = np.array([[ 0, 1, 2], 
              [10,11,12], 
              [20,21,22]])

a < 10

Out[4]:

array([[ True,  True,  True],
       [False, False, False],
       [False, False, False]], dtype=bool)

In [5]:

np.choose(a < 10, (a, 10))

Out[5]:

array([[10, 10, 10],
       [10, 11, 12],
       [20, 21, 22]])

下面的例子将数组中所有小于 10 的值变成了 10，大于 15 的值变成了 15。

In [6]:

a = np.array([[ 0, 1, 2], 
              [10,11,12], 
              [20,21,22]])

lt = a < 10
gt = a > 15

choice = lt + 2 * gt
choice

Out[6]:

array([[1, 1, 1],
       [0, 0, 0],
       [2, 2, 2]])

In [7]:

np.choose(choice, (a, 10, 15))

Out[7]:

array([[10, 10, 10],
       [10, 11, 12],
       [15, 15, 15]])