Numpy掩膜数组修改

Question

目前我有一段代码，它会检查数组中的某个元素是否等于0，如果是的话，就把这个值设置为'level'的值（temp_board是一个二维的numpy数组，indices_to_watch包含需要关注的二维坐标，这些坐标对应的值可能是0）。

    indices_to_watch = [(0,1), (1,2)]
    for index in indices_to_watch:
        if temp_board[index] == 0:
            temp_board[index] = level

我想把这个代码改成更符合numpy的方式，也就是去掉for循环，只用numpy的函数来加快速度。以下是我尝试的代码：

    masked = np.ma.array(temp_board, mask=(a!=0), hard_mask=True)
    masked.put(indices_to_watch, level)

但是不幸的是，当我使用put()函数处理掩码数组时，它要求数组是1维的（这真是奇怪！），有没有其他方法可以更新那些等于0并且有具体索引的数组元素呢？

或者说，使用掩码数组真的不是个好主意吗？

Answer 1

你可以试试下面这样的做法：

temp_board[temp_board[field_list] == 0] = level

Answer 2

我不太明白你问题里的所有细节。如果我理解得没错的话，这看起来就是简单的Numpy索引。下面的代码会检查数组（A）中的零，然后把找到的零替换成'level'。

import numpy as NP
A = NP.random.randint(0, 10, 20).reshape(5, 4) 
level = 999
ndx = A==0
A[ndx] = level

Answer 3

假设找到temp_board中值为0的位置并不是特别费劲，你可以像这样做你想做的事情：

# First figure out where the array is zero
zindex = numpy.where(temp_board == 0)
# Make a set of tuples out of it
zindex = set(zip(*zindex))
# Make a set of tuples from indices_to_watch too
indices_to_watch = set([(0,1), (1,2)])
# Find the intersection.  These are the indices that need to be set
indices_to_set = indices_to_watch & zindex
# Set the value
temp_board[zip(*indices_to_set)] = level

如果你不能这样做，那这里有另外一种方法，不过我不确定这是不是最符合Python风格的：

indices_to_watch = [(0,1), (1,2)]

首先，把数据转换成numpy数组：

indices_to_watch = numpy.array(indices_to_watch)

然后，让它可以被索引：

index = zip(*indices_to_watch)

接着，测试条件：

indices_to_set = numpy.where(temp_board[index] == 0)

然后，找出需要设置的实际索引：

final_index = zip(*indices_to_watch[indices_to_set])

最后，设置这些值：

temp_board[final_index] = level