使用掩码和其他数组替换数组中的值

Question

我有一个1D的“from”数组（称之为“frm”），其中包含具有关联布尔掩码数组的值：“mask”（与“frm”形状相同）。然后我有第三个“replace”数组：“repl”，也是1D，但长度比其他两个数组都要短。

基于这些，我想生成一个新数组（“to”），其中包含“frm”值，除非在这种情况下“mask == True”，否则应该按顺序从“repl”中取值。 （请注意，“mask”中的“True”元素数等于“repl”的长度）。

我正在寻找一种“聪明”的numpy实现方式？ 我看过像np.where，np.take，np.select，np.choose这样的方法，但似乎都不适合我的需求？

“切入代码”，到目前为止，这是我所拥有的。它可以正常工作，但似乎不是“Numpythonic”？（甚至不是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)

产生结果：[1、200、3、400、500]

（背景：我需要这样做的原因是，我正在子类化Pandas pd.Dataframe类，并且需要一个用于列/索引的“setter”。由于pd.Index不能进行“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，然后让setter设置完整的新值。 如果有更优雅的解决方案，请告诉我。

- Hans Bouwmeester

Answer 1

numpy 解决方案：

这很简单，就像这样：

# 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

那么你的数据框看起来像这样：

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

- sacuL

---

关于numpy的解决方案：太棒了！我完全忽视了可以使用掩码进行索引并将其赋值给变量这一事实，而一直在寻找“特殊方法”！:-) - Hans Bouwmeester

关于Pandas解决方案：我知道可以使用“loc”来获取DataFrame的内容。据我所知，没有相应的方法来获取Axes（即“index”和“column”名称，而不是数据帧内部的实际值）。例如：df.columns[3]可以工作。但是df.columns[3] = "new-name"会出现TypeError: "Index does not support mutable operations"（这促使我将其带入numpy进行解决）。 - Hans Bouwmeester

哦，我猜我误解了你的意图......是的，最好还是用numpy来做，并将结果数组用作索引（如果我理解正确的话）。 - sacuL