如何通过一次分配掩盖另一个numpy数组来创建新的numpy数组

问题描述

假设A是一个NP阵列。

如果我这样做：

B = np.copy(A)
B[B !=0] = 1 

或

A[A != 0]=1
B=np.copy(A)

我得到B作为A的掩码版本，即所需的输出。但是，如果我尝试这样的作业：

B= A[A !=0]=1

B由于我不明白的原因而变成整数。为什么会发生这种情况？是否有方法或性能上的理由可以单次执行此操作？

解决方法

我必须首先说一下这样做会大大降低可读性。如果您不希望其他人（或您自己）再次使用该代码，则只需使用两行。该答案仅应说明可以做什么，而不是可以做什么。

表达式A=B=x将x分配给A和B。如果您真的想将所有内容都压缩到一条线上，可以尝试类似

import numpy as np
a = np.arange(5)
(b:=a.copy())[a!=0]=1

与赋值（:=）运算符不同，=（海象）运算符实际上会求出赋值。 （请注意，A=B=x之所以有效，是因为它基本上是t=x; A=t; B=t的简写，但是A=(B=x)将不起作用，因为该赋值不会得出任何结果。但是您应该编写A=(B:=x)。 ），然后a保持不变，与您的第一个版本相对应，所以

>>> b
array([0,1,1])
>>> a
array([0,2,3,4])

,

大概您看到B的值为1？

在所有计算机语言中，X = Y = expr的含义都含糊不清。是否意味着将expr分配给Y，然后将Y分配给X？还是要同时将expr分配给X和Y。Numpy明确认为这意味着后者。

您将看到与

相同的行为

b = np.zeros((5))
a = b[0] = 1

即使b[0] == 1.0

，您也会看到为a分配了1