如何将一维索引映射数组应用于二维索引数组的元素转换？

问题说明 #

给定二维Numpy数组arr，其中元素为索引值（-1表示无对应索引），以及二维映射数组trans，trans的第n个元素对应arr中值为n的元素的转换目标值。需要将arr中的元素按trans规则转换，得到目标输出。

输入数据 #

import numpy as np

# 待转换的二维索引数组
arr = np.array([
   [ 1,  2, -1, -1],
   [ 0,  1, -1, -1],
   [ 3,  5, -1, -1],
   [ 7,  8, -1, -1],
   [ 6,  7, -1, -1],
   [ 9, 11, -1, -1]])

# 映射数组，trans[n][0]对应arr中值为n的转换目标
trans = np.array([[ 0],
   [-1],
   [ 1],
   [-1],
   [ 2],
   [-1],
   [ 3],
   [-1],
   [ 4],
   [-1],
   [ 5],
   [-1]])

解决方案 #

方法一：掩码筛选+索引映射

# 将二维映射数组转为一维，方便直接索引
trans_flat = trans.flatten()

# 初始化结果数组，保留原arr的结构
result = arr.copy()

# 筛选出arr中需要转换的元素位置（排除-1）
mask = arr != -1

# 对目标位置执行映射转换
result[mask] = trans_flat[arr[mask]]

print(result)

方法二：np.where简洁写法

trans_flat = trans.flatten()
result = np.where(arr == -1, -1, trans_flat[arr])

print(result)

输出结果 #

array([[-1,  1, -1, -1],
       [ 0, -1, -1, -1],
       [-1, -1, -1, -1],
       [-1,  4, -1, -1],
       [ 3, -1, -1, -1],
       [-1, -1, -1, -1]])

代码解释 #

1. 扁平化映射数组：trans.flatten()将二维列向量转为一维数组，使得trans_flat[n]可以直接获取arr中值为n的目标转换值。
2. 掩码筛选：通过arr != -1定位需要转换的元素，避免对-1执行索引操作（会触发数组越界错误）。
3. 映射赋值：利用Numpy的向量化索引特性，一次性完成所有目标元素的转换，效率远高于循环遍历。

内容的提问来源于stack exchange，提问作者KDecker