numpy.choose
numpy.choose(a, choices, out=None, mode='raise') [source]
从索引数组和一组数组中构造一个数组以供选择。
首先，如果感到困惑或不确定，请务必看一下示例- 完全具有通用性，此函数不如下面的代码描述（ndi = numpy.lib.index_tricks下方）看起来那么简单 ：numpy.lib.index_tricks
np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])。
但这忽略了一些微妙之处。这里是一个全面的概括:：
给定一个由整数组成的“index”数组（a）和一个n个数组（choices）的序列，根据需要，首先将a和每个choice数组广播到具有共同形状的数组；称这些Ba和Bchoices [i]，i = 0，…，n-1， Ba.shape == Bchoices[i].shape对于每个i，我们必然有它。然后，将创建一个具有Ba.shape形状的新数组，如下所示：
- 如果
mode=raise（缺省值），那么，首先，每个元件 一个（并且因此巴）必须在范围[0，N-1]; 现在，假设 i（在该范围内）是Ba中（j0，j1，…，jm）位置处的值-那么新数组中相同位置处的值就是Bchoices [i]中相同位置处的值位置; - 如果m
ode=wrap，在值一（并因此Ba）可以是任何（signed）整数; 模算术用于将[0，n-1]范围以外的整数映射 回该范围；然后按照上面的方法构造新数组； - 如果
mode=clip，在值一（并因此Ba）可以是任何（signed）整数; 负整数映射到0；大于n-1的值 映射到n-1；然后按上述方法构造新数组。
参数： | a ：int array 这个数组必须包含[0,n-1]中的整数，其中n是选择的数目， 除非 任何整数都是允许的。 choices ：arrays的sequence 选择数组。 一个和所有的选择都必须broadcastable相同的形状。 如果choices本身是一个数组（不建议使用）， 则将其最外面的维度（即与对应的维度 视为定义“sequence”。 out ：array, 可选 如果提供，结果将被插入到这个数组中。 它应该是适当的形状和类型。 注意，如果 使用其他模式可以获得更好的性能。 mode：{‘raise’ (默认), ‘wrap’, ‘clip’}, 可选
|
返回值： | merged_array array 合并结果。 |
Raises： | ValueError: shape mismatch 如果a和每个选择阵列不是都可广播到相同的shape。 |
Notes
为了减少错误解释的机会，即使名义上支持以下“abuse”，选择也不应该也不应被视为单个数组，即，最外面的类似于序列的容器应该是列表或元组。
例子,
1）基本使用
import numpy as np
choices = [[0, 1, 2, 3], [10, 11, 12, 13], [20, 21, 22, 23], [30, 31, 32, 33]]
result = np.choose([2, 3, 1, 0], choices)
print("选择结果 (基本使用):\n", result)
2）使用 mode='clip'
import numpy as np
choices = [[0, 1, 2, 3], [10, 11, 12, 13], [20, 21, 22, 23], [30, 31, 32, 33]]
result_clip = np.choose([2, 4, 1, 0], choices, mode='clip')
print("选择结果 (mode='clip'):\n", result_clip)
3）使用 mode='wrap'
import numpy as np
choices = [[0, 1, 2, 3], [10, 11, 12, 13], [20, 21, 22, 23], [30, 31, 32, 33]]
result_wrap = np.choose([2, 4, 1, 0], choices, mode='wrap')
print("选择结果 (mode='wrap'):\n", result_wrap)
4）选择广播
import numpy as np
a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
choices = [-10, 10]
result_broadcast = np.choose(a, choices)
print("选择结果 (广播):\n", result_broadcast)
5）高维数组选择
import numpy as np
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))
result_high_dim = np.choose(a, (c1, c2))
print("选择结果 (高维数组):\n", result_high_dim)