初始化带有布尔掩码的一维numpy数组和包含非零值的较小数组

Question

问题

我有 valid_data （具有非零值的 1D np.array ）和 mask （布尔 1D np.array ），它们的大小不同。掩码包含要创建的新 np.array 中所需的 valid_data 位置。我可以轻松初始化这个新的 np.array 吗？或者我必须逐个值地计算它？

示例

>>> mask = np.array([False, True, False, False, False, True, True, False, False, False])
>>> valid_data = np.array([1, 3, 3])
>>> 
>>> wanted_result = np.array([0, 1, 0, 0, 0, 3, 3, 0, 0, 0])
>>> 
>>> my_try = np.where(mask, valid_data, 0)

但是我不能将 np.where 与不同形状的数组一起使用 我们可以假设 mask 中的 True 数量和 valid_data

中的值数量相同

Answer 1

使用

np.zeros

创建一个零数组，然后使用掩码分配

valid_data

中的值：

arr = np.zeros(len(mask), dtype=int)
arr[mask] = valid_data

输出：

array([0, 1, 0, 0, 0, 3, 3, 0, 0, 0])