python中有没有一种方法可以合并两个数组(1d/2d/3d)并替换特定的元素

Question

简单案例-我有两个数组：x1 = np.arange(1,10)和x2 = np.array([0,0,4,0,0,5,0,0,0])

我想合并或组合这两个数组，使得x2中的0将被x1中的值替换，并且x2的非零元素保留。NumPy.union1d似乎做到了这一点。但是我不希望它被排序。

然后

实际情况-然后我想在多维数组上执行此操作，例如：x.shape=(xx,yy,zz)。两个数组对象将具有相同的形状。x.shape = y.shape

这可能吗？或者我应该尝试屏蔽数组NumPy.ma吗？

---------------------------示例-------------------------

k_angle = khan(_angle)
e_angle = emss(_angle)
_angle.shape = (3647, 16)
e_angle.shape = (2394, 3647, 16)
k_angle.shape = (2394, 3647, 16)

_如果angle<5它应该只使用一个函数CCD_ 11，其他的都是CCD_。对于khan，任何大于5的值都将变为0。而emss适用于所有值。

尝试1:我尝试拆分角度值，但重新组合它们被证明是棘手的

khan = bm.Khans_beam_model(freq=f, theta=None)
emss = bm.emss_beam_model(f=f)
test = np.array([[0,1,2], [3,4,5], [6,7,8], [9,10,11]])
gt_idx = test > 5
le_idx = test <= 5
# then update the array
test[gt_idx] = khan(test[gt_idx])
test[le_idx] = emss(test[le_idx])

但这得到了一个错误TypeError: NumPy boolean array indexing assignment requires a 0 or 1-dimensional input, input has 2 dimensions

khan和emss是"lambda"函数

所以我认为执行khan和emss，然后合并会更容易。

我应用了上面的简单案例来帮助解决这个问题。

Answer 1

只要x1和x2是相同的形状，np.where(boolean_mask, value_if_true, value_otherwise)函数就应该足够了。

在这里，您可以使用np.where(x2, x2, x1)，其中条件仅为x2，这意味着将保留truthy值(非零)，并且将用x1中的相应值替换falsy值。一般来说，任何布尔掩码都可以作为一个条件，最好在这里显式：np.where(x2 == 0, x1, x2)。

1D

In [1]: import numpy as np
In [2]: x1 = np.arange(1, 10)
In [3]: x2 = np.array([0,0,4,0,0,5,0,0,0])
In [4]: np.where(x2 == 0, x1, x2)
Out[4]: array([1, 2, 4, 4, 5, 5, 7, 8, 9])

2D

In [5]: x1 = x1.reshape(3, 3)
In [6]: x2 = x2.reshape(3, 3)
In [7]: x1
Out[7]:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
In [8]: x2
Out[8]:
array([[0, 0, 4],
[0, 0, 5],
[0, 0, 0]])
In [9]: np.where(x2 == 0, x1, x2)
Out[9]:
array([[1, 2, 4],
[4, 5, 5],
[7, 8, 9]])

3D

In [10]: x1 = np.random.randint(1, 9, (2, 3, 3))
In [11]: x2 = np.random.choice((0, 0, 0, 0, 0, 0, 0, 0, 99), (2, 3, 3))
In [12]: x1
Out[12]:
array([[[3, 7, 4],
[1, 4, 3],
[7, 4, 3]],
[[5, 7, 1],
[5, 7, 6],
[1, 8, 8]]])
In [13]: x2
Out[13]:
array([[[ 0, 99, 99],
[ 0, 99,  0],
[ 0, 99,  0]],
[[99,  0,  0],
[ 0,  0, 99],
[ 0, 99,  0]]])
In [14]: np.where(x2 == 0, x1, x2)
Out[14]:
array([[[ 3, 99, 99],
[ 1, 99,  3],
[ 7, 99,  3]],
[[99,  7,  1],
[ 5,  7, 99],
[ 1, 99,  8]]])