substituindo os elementos numpy array que não são zero

Question

Tenho 2 numpymatrizes, como:

arr1 = np.array([[0,5,5,0],[0,5,5,0]])
arr2 = np.array([[7,7,0,0],[7,7,0,0]])

Eu gostaria de copiar elementos diferentes de zero na arr2posição correspondente, arr1resultando na seguinte matriz:

arr1 = np.array([[7,7,5,0],[7,7,5,0]])

Answer 1

Você pode usar três alternativas:

arr1[arr2 > 0] = arr2[arr2 > 0]
arr1[np.where(arr2>0)] = arr2[np.where(arr2>0)]
arr1[arr2.nonzero()] = arr2[arr2.nonzero()]

Mas o vencedor é np.copyto(arr1, arr2, where=arr2 != 0), obrigado @Mark Meyer.

Cada um desses 4 métodos muda arr1para

array([[7, 7, 5, 0],
       [7, 7, 5, 0]])

Se você não quer efeitos colaterais arr1, use em arr = arr1.copy()vez disso e dez substitua de maneira análoga.

Atualizar

Vejamos os resultados do perfplot

import perfplot

def simple(arr):
    arr1, arr2 = arr
    arr1[arr2 != 0] = arr2[arr2 != 0]
    return arr1
def where(arr):
    arr1, arr2 = arr
    arr1[np.where(arr2 != 0)] = arr2[np.where(arr2 != 0)]
    return arr1
def nonzero(arr):
    arr1, arr2 = arr
    arr1[arr2.nonzero()] = arr2[arr2.nonzero()]
    return arr1
def simple_improve(arr):
    arr1, arr2 = arr
    idx = arr2 != 0
    arr1[idx] = arr2[idx]
    return arr1
def where_improve(arr):
    arr1, arr2 = arr
    idx = np.where(arr2 != 0)
    arr1[idx] = arr2[idx]
    return arr1
def nonzero_improve(arr):
    arr1, arr2 = arr
    idx = arr2.nonzero()
    arr1[idx] = arr2[idx]
    return arr1
def copyto(arr): #thanks @Mark Meyer
    arr1, arr2 = arr
    np.copyto(arr1, arr2, where=arr2 != 0)
    return arr1
import numexpr as ne
def copyto_numexpr(arr):
    #some magic boost
    arr1, arr2 = arr
    np.copyto(arr1, arr2, where=ne.evaluate('arr2 != 0'))
    return arr1

perfplot.show(
    setup=lambda n: (np.tile(np.array([[0, 5, 5, 0], [0, 5, 5, 0]]), (n, n)),
                     np.tile(np.array([[7, 7, 0, 0], [7, 7, 0, 0]]), (n, n))),
    # setup=lambda n: [list(range(n))] * 10,
    kernels=[simple, where, nonzero,
             simple_improve, where_improve, nonzero_improve, 
             copyto, copyto_numexpr],
    n_range=[2 ** k for k in range(12)],
    xlabel="n*n copies of array of shape (2,4)")

Answer 2

Já que você deseja sofrer mutação arr1, você pode apenas atribuir com a indexação booleana :

import numpy as np

arr1 = np.array([[0,5,5,0],[0,5,5,0]])
arr2 = np.array([[7,7,0,0],[7,7,0,0]])

arr1[arr2 != 0] = arr2[arr2 != 0]

print(arr1)

# [[7 7 5 0]
#  [7 7 5 0]]

Você pode obter um pouco de desempenho em matrizes grandes usando copyto():

np.copyto(arr1, arr2, where=arr2 != 0)