我有以下xynumpy 數組，它表示一些三角形頂點的位置：array([[[ 0.30539728, 49.82845203], [ 0.67235022, 49.95042185], [ 0.268982 , 49.95195348]], [[ 0.268982 , 49.95195348], [ 0.67235022, 49.95042185], [ 0.27000135, 50.16334035]], ... [[ 1.00647459, 50.25958169], [ 0.79479121, 50.3010079 ], [ 0.67235022, 49.95042185]], [[ 0.79479121, 50.3010079 ], [ 0.6886783 , 50.25867683], [ 0.67235022, 49.95042185]]])在這里，它是一個形狀數組，(10, 3, 2)但它也可以是(5, 3, 2)or (18, 3, 2)，你可以給它命名。無論如何它的形狀(N, 3, 2)。我有另一個 numpyto_replace形狀數組，(4, 2)但它也可以是(6, 2)or (7, 2)，但總是形狀(M, 2)：array([[ 1.08267406, 49.88690993], [ 1.1028248 , 50.01440407], [ 0.74114309, 49.73183549], [ 1.08267406, 49.88690993]])它表示可以在我的第一個數組中找到的坐標對的位置。請注意，這些對中的每一對至少出現一次，xy但也可能出現不止一次。最后，我有第三個數組replace_by，其形狀(8,)（或(M*2)基于上述指示的形狀）和哪些值旨在準確替換to_replace我的第一個xy數組中包含的那些值。它看起來像這樣：array([ 0.87751214, 49.91866589, 0.88758751, 49.98241296, 0.70674665, 49.84112867, 0.87751214, 49.91866589])所以基本上所有的對[1.08267406, 49.88690993]都xy應該被替換[0.87751214, 49.91866589]為例如。我當前的代碼看起來像這樣，但它僅在to_replace和replace_by嚴格為 shape時才有效(2, 2)。indices = (xy == to_replace[:, None][:, None])[0]xy[indices] = replace_by我已經 看了很多答案，實際上從其中一些中得到了啟發，但我仍然無法讓它發揮作用。
2 回答
紅顏莎娜
TA貢獻1842條經驗 獲得超13個贊
您可以使用numpy.isclose比較行，然后使用.all(axis=2)查找所有最后一行相同的位置。Numpy 將廣播每一行以適應xy形狀。
import numpy as np
xy = np.array([[[ 0.30539728, 49.82845203],
[ 0.67235022, 49.95042185],
[ 0.268982 , 49.95195348]],
[[ 0.268982 , 49.95195348],
[ 0.67235022, 49.95042185],
[ 0.27000135, 50.16334035]],
[[ 1.00647459, 50.25958169],
[ 0.79479121, 50.3010079 ],
[ 0.67235022, 49.95042185]],
[[ 0.79479121, 50.3010079 ],
[ 0.6886783 , 50.25867683],
[ 0.67235022, 49.95042185]]])
xy_start = xy.copy()
to_replace = np.array([[ 1.08267406, 49.88690993],
[ 1.1028248 , 50.01440407],
# [ 0.74114309, 49.73183549],
[ 0.6886783 , 50.25867683],
[ 1.08267406, 49.88690993]])
replace_by = np.array([ 0.87751214, 49.91866589, 0.88758751, 49.98241296, 0.70674665, 49.84112867, 0.87751214, 49.91866589])
replace_by_reshaped = replace_by.reshape(-1, 2)
for i, row in enumerate(to_replace):
xy[np.isclose(xy, row).all(axis=2)] = replace_by_reshaped[i]
print(xy_start)
# [[[ 0.30539728 49.82845203]
# [ 0.67235022 49.95042185]
# [ 0.268982 49.95195348]]
# [[ 0.268982 49.95195348]
# [ 0.67235022 49.95042185]
# [ 0.27000135 50.16334035]]
# [[ 1.00647459 50.25958169]
# [ 0.79479121 50.3010079 ]
# [ 0.67235022 49.95042185]]
# [[ 0.79479121 50.3010079 ]
# [ 0.6886783 50.25867683]
# [ 0.67235022 49.95042185]]]
print(xy)
# [[[ 0.30539728 49.82845203]
# [ 0.67235022 49.95042185]
# [ 0.268982 49.95195348]]
# [[ 0.268982 49.95195348]
# [ 0.67235022 49.95042185]
# [ 0.27000135 50.16334035]]
# [[ 1.00647459 50.25958169]
# [ 0.79479121 50.3010079 ]
# [ 0.67235022 49.95042185]]
# [[ 0.79479121 50.3010079 ]
# [ 0.70674665 49.84112867]
# [ 0.67235022 49.95042185]]]
編輯
.all(axis=2)True如果沿 axis=2 的所有值都是Trueand Falseelse ，則將axis=2 收縮。我認為 little 2d 示例清楚地說明了這里發生的事情。
>>> import numpy as np
>>> a = np.array([[0, 1], [0, 2], [3, 4]])
>>> a
array([[0, 1],
[0, 2],
[3, 4]])
>>> np.isclose(a, [0, 1])
array([[ True, True],
[ True, False],
[False, False]])
>>> np.isclose(a, [0, 1]).all(axis=1)
array([ True, False, False])
>>> a[np.isclose(a, [0, 1]).all(axis=1)]
array([[0, 1]])
>>> a[np.isclose(a, [0, 1]).all(axis=1)] = [12, 14]
>>> a
array([[12, 14],
[ 0, 2],
[ 3, 4]])
精慕HU
TA貢獻1845條經驗 獲得超8個贊
numpy-indexed包（免責聲明：我是它的作者）包含以矢量化和優雅的方式解決這個問題的功能。
鑒于您定義的數組，這個單行代碼應該可以解決問題：
import numpy_indexed as npi npi.remap(xy.reshape(-1, 2), to_replace, replace_by.reshape(-1, 2)).reshape(-1, 3, 2)
添加回答
舉報
0/150
提交
取消