numpy中矩陣選取子集或者以條件選取子集，用mask是一種很好的方法

簡(jiǎn)單來(lái)說(shuō)就是用bool類(lèi)型的indice矩陣去選擇，

mask = np.ones(X.shape[0], dtype=bool)X[mask].shapemask.shapemask[indices[0]] = Falsemask.shapeX[mask].shapeX[~mask].shape(678, 2)(678,)(678,)(675, 2)(3, 2)

例如我們這里用來(lái)選取全部點(diǎn)中KNN選取的點(diǎn)以及所有剩余的點(diǎn)

from sklearn.neighbors import NearestNeighborsnbrs = NearestNeighbors(10).fit(X)_,indices = nbrs.kneighbors(X)mask = np.ones(X.shape[0], dtype=bool)mask[indices[0]] = Falseplt.scatter(X[mask][:,0],X[mask][:,1],c='g')plt.scatter(X[~mask][:,0],X[~mask][:,1],c='r')

帶條件選擇替換，比如我們需要將a矩陣內(nèi)某條件的行置換為888剩余置換為999，可以直接用mask或者再用where一步搞定：

mask = np.ones(a.shape,dtype=bool) #np.ones_like(a,dtype=bool)mask[indices] = Falsea[~mask] = 999a[mask] = 888#############np.where(mask, 888, 999)

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持武林站長(zhǎng)站。