NumPy：交换数组中多个元素

Question

我有一个包含随机分布的1和0的numpy数组。我想将所有的1替换为0，所有的0替换为1。

arr[arr == 0] = 2
arr[arr == 1] = 0
arr[arr == 2] = 1

目前我需要使用一个临时值（在这种情况下为2），以避免所有的0变成1，然后使整个数组都充满了0。 是否有更优雅/高效的方法来解决这个问题？

- Legatro

Answer 1

在覆盖任何值之前，您可以计算并存储布尔索引器：

ones = a == 1
zeros = a == 0

a[ones] = 0
a[zeros] = 1

该解决方案也适用于除0和1以外的值。

---

如果您不需要一个原地解决方案，可以使用np.where：

a = np.where(ones, 0, np.where(zeros, 1, a))

- jpp

Answer 2

这里有一个非常针对您问题的解决方案，但也应该非常快。 给定数组：

>>> a
array([[1, 0, 0, 1],
       [1, 1, 1, 0]])

您可以将所有值减去1并乘以-1：

>>> (a-1)*-1
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

- sacuL

---

(a - 1) * -1 可以分配为 -a + 1 或 1 - a，这样更清晰明了（也更快）。 - user3483203

Answer 3

针对您的特定值，进行按位异或 1 的操作。

In [19]: a=np.random.randint(2, size=10)

In [18]: a
Out[18]: array([1, 1, 1, 1, 1, 1, 0, 0, 1, 1])

In [19]: a^1
Out[19]: array([0, 0, 0, 0, 0, 0, 1, 1, 0, 0])

一个更通用的解决方案，适用于 int 类型。

In [62]: convert=np.array([1,0])

In [63]: convert[a]
Out[63]: array([0, 0, 0, 0, 0, 0, 1, 1, 0, 0])

改变'convert'数组的内容能够映射一系列数值。结果使用数组'a'的内容作为数组'convert'的索引。

- Tls Chris

---

好的解决方案！你在第二个方案中使用的索引逻辑是花式索引吗，还是有其他名称？ - timgeb

NumPy文档将其称为高级索引->整数数组索引。链接。这两种方法都来自使用Forth的经验，而不是Python / numpy。 - Tls Chris

Answer 4

给定

>>> a
array([[1, 0, 0, 1],
       [1, 1, 1, 0]])

你可以使用 numpy.where。

>>> np.where(a == 0, 1, 0) # read as (if, then, else)
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

...或者反转a并进行一些类型转换。

>>> (~a.astype(bool)).astype(int)
array([[0, 1, 1, 0],
       [0, 0, 0, 1]])

(IPython) 时间：没有太大的区别。

>>> a = np.eye(1000, dtype=int)
>>> %timeit np.where(a == 0, 1, 0)
1.56 ms ± 2.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit (~a.astype(bool)).astype(int)
1.74 ms ± 87.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

其他人答案的时间：

>>> %timeit a^1 # Tls Chris
920 µs ± 31.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit np.array([1, 0])[a] # Tls Chris
1.4 ms ± 102 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit (a - 1)*-1 # sacul
1.57 ms ± 13.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit 1 - a # user3483203
905 µs ± 2.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

我的观点是：a^1和1-a干净、优雅且快速。使用np.where可以处理任何你想要交换的值。

- timgeb

Answer 5

如果效率比优雅更重要，您可以编写一个非常简单的Numba解决方案。

示例

import numba as nb
import numpy as np

@nb.njit()
def nb_where(arr):
  for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
      if arr[i,j]==1:
        arr[i,j] = 0
      else:
        arr[i,j] = 1
  return arr

Timings

a = np.eye(1000, dtype=int)
np.where(a == 0, 1, 0) #timgeb    -> 2.06ms 
a^1                    #Tls Chris -> 1.31ms 
nb_where(a)                       -> 152 µs

- max9111