numpy.choose

numpy.choose(a, choices, out=None, mode='raise') [source]

Создаёт массив из массива индексов и набора массивов для выбора.

Прежде всего, если вы запутались или не уверены, обязательно посмотрите примеры - в полном объёме эта функция менее проста, чем может показаться по следующему описанию (ниже ndi = numpy.lib.index_tricks):

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)]).

Но это опускает некоторые тонкости. Вот полное общее описание:

Даны массив «индексов» (a) целых чисел и последовательность n массивов (choices), a и каждый массив выбора сначала транслируются, по мере необходимости, в массивы с общей формой; назовем их _Ba_ и _Bchoices[i], i = 0,…,n-1_, у нас обязательно Ba.shape == Bchoices[i].shape для каждого i. Затем создается новый массив с формой Ba.shape следующим образом:

• если mode=raise (по умолчанию), то, прежде всего, каждый элемент a (и, следовательно, Ba) должен быть в диапазоне [0, n-1]; теперь предположим, что i (в этом диапазоне) является значением в позиции (j0, j1, …, jm) в Ba - тогда значение в той же позиции в новом массиве - это значение в Bchoices[i] в этой же позиции;
• если mode=wrap, значения в a (и, следовательно, Ba) могут быть любыми целыми числами со знаком; используется модульная арифметика для отображения целых чисел за пределами диапазона [0, n-1] обратно в этот диапазон; затем новый массив создаётся как описано выше;
• если mode=clip, значения в a (и, следовательно, Ba) могут быть любыми целыми числами со знаком; отрицательные целые числа отображаются в 0; значения, большие n-1, отображаются в n-1; затем новый массив создаётся как описано выше.

Параметры:	a : int array Этот массив должен содержать целые числа в [0, n-1], где n - количество выборов, если mode=wrap или mode=clip, в которых случае допустимы любые целые числа. choices : sequence of arrays Массивы выбора. a и все выборы должны быть транслируемы к той же форме. Если choices сам является массивом (не рекомендуется), то его внешнее измерение (то есть соответствующее choices.shape[0] ) используется для определения «последовательности». out : array, optional Если указано, результат будет вставлен в этот массив. Он должен иметь соответствующую форму и тип данных. Обратите внимание, что out всегда буферизуется, если mode=’raise’; используйте другие режимы для лучшей производительности. mode : {‘raise’ (default), ‘wrap’, ‘clip’}, optional Определяет, как будут обрабатываться индексы за пределами [0, n-1]: ‘raise’ : генерируется исключение ‘wrap’ : значение становится значение mod n ‘clip’ : значения < 0 отображаются в 0, значения > n-1 отображаются в n-1
Возвращает:	merged_array : array Объединённый результат.
Возбуждает:	ValueError: несовпадение форм Если a и каждый массив выбора не могут быть все транслированы к той же форме.

См. также

ndarray.choose

эквивалентный метод

Примечания

Чтобы снизить вероятность неправильного толкования, хотя следующее «злоупотребление» формально поддерживается, choices не должно быть и не должно рассматриваться как один массив, т.е. внешняя последовательность-подобная оболочка должна быть либо списком, либо кортежем.

Примеры

>>> choices = [[0, 1, 2, 3], [10, 11, 12, 13],
...   [20, 21, 22, 23], [30, 31, 32, 33]]
>>> np.choose([2, 3, 1, 0], choices
... # the first element of the result will be the first element of the
... # third (2+1) "array" in choices, namely, 20; the second element
... # will be the second element of the fourth (3+1) choice array, i.e.,
... # 31, etc.
... )
array([20, 31, 12,  3])
>>> np.choose([2, 4, 1, 0], choices, mode='clip') # 4 goes to 3 (4-1)
array([20, 31, 12,  3])
>>> # because there are 4 choice arrays
>>> np.choose([2, 4, 1, 0], choices, mode='wrap') # 4 goes to (4 mod 4)
array([20,  1, 12,  3])
>>> # i.e., 0

Несколько примеров, иллюстрирующих, как работает трансляция choose:

>>> a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
>>> choices = [-10, 10]
>>> np.choose(a, choices)
array([[ 10, -10,  10],
       [-10,  10, -10],
       [ 10, -10,  10]])

>>> # With thanks to Anne Archibald
>>> a = np.array([0, 1]).reshape((2,1,1))
>>> c1 = np.array([1, 2, 3]).reshape((1,3,1))
>>> c2 = np.array([-1, -2, -3, -4, -5]).reshape((1,1,5))
>>> np.choose(a, (c1, c2)) # result is 2x3x5, res[0,:,:]=c1, res[1,:,:]=c2
array([[[ 1,  1,  1,  1,  1],
        [ 2,  2,  2,  2,  2],
        [ 3,  3,  3,  3,  3]],
       [[-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5],
        [-1, -2, -3, -4, -5]]])