python中的lect（）以及choo（）的⽤法
⼀、什么是np.lect()
顾名思义，这个函数⽤⽤来“ 根据某⼀些条件 ” 来筛选出 “某⼀些元素 ”的函数，⽐如我有⼀个数组，我如果⽤if-el语句去做，当然也可以，⽐如我们让⼩于6的元素各⾃加上10，⼤于等于6的元素统统变为100，我们可以这么做，代码如下：
a=np.array([1,2,3,4,5,6,7,8,9,10])
aa=[]一年级上册语文书
for i in a:
if (i<6):
i=i+10
el:
i=100
aa.append(i)
过去式的用法
print(aa)
运⾏结果为 [11, 12, 13, 14, 15, 100, 100, 100, 100, 100]
但是这样做的缺点就是效率太过于低下，因为这样做就是使⽤循环，条件判断去完成，lect（）函数就是专门针对这种情况提出来的。
1、lect函数的定义
def lect(condlist, choicelist, default=0):
condlist参数：操作数据所依据的条件
choicelist参数：根据condlist条件，索要执⾏的操作
返回值：返回的是⼀个“ 列表” 。
注意上⾯的condlist和choicelist都必须是写成“ 列表 ”的形式。
要实现上⾯同样的操作，这⾥只需要⼀句话就可以完成
a=np.array([1,2,3,4,5,6,7,8,9,10])
condlist=[a<6] #第⼀个参数，必须⽤【】括起来，列表形式
print(condlist)
罗尔沙赫氏测验choicelist=[a+10] #第⼆个参数，必须⽤【】括起来，列表形式
print(choicelist)
aa=np.lect(condlist,choicelist,default=100)
print(aa)
程序运⾏的结果为
[array([ True, True, True, True, True, Fal, Fal, Fal, Fal,Fal])]
[array([11, 12, 13, 14, 15, 16, 17, 18, 19, 20])]
[11 12 13 14 15 100 100 100 100 100] #由此可见，依然得到的是上⾯的结果。
什么意思呢？可以这样理解，对于第⼀个参数condlist=[ a<6 ]，我们将a<6看成是⼀个条件，只不过这个条件是针对array类型的a的，第⼆个参数choicelist所要执⾏的操作是依据condlist⽽⾔的，即这⾥的 [a+10]⾥⾯的a+10这个操作，和 [a<6]这个⾥⾯的，a<6是对应关系的，即当第⼀条件⾥的每个元素满⾜条件的时候，即为True的时候，就执⾏相应的操作，如果为fal，那么久不执⾏，⽽对于不满⾜的元素，则执⾏默认的值，即default。
2、lect() 对于多条件、多操作的筛选和执⾏翻译英语单词
⽐如针对⼀个数组，我们规定⼩于6的就加上10，介于10~15之间的就平⽅，⼤于20的就乘以10，其他的就默认变为100.
a=np.array([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20],[21,22,23,24,25]])
condlist=[a<6,np.logical_and(a>10,a<16),a>20] #参数⼀，定义三个限制条件
print(condlist)
choicelist=[a+10,a**2,a*10] #参数⼆，定义三个不同的操作
print(choicelist)
aa=np.lect(condlist,choicelist)
print(aa)
print(’=======================================’)
运⾏结果为：
[[ 11 12 13 14 15] #第⼀⾏分别加上了10
[ 0 0 0 0 0]
[121 144 169 196 225] #第三⾏每个数分别进⾏了平⽅
[ 0 0 0 0 0]
虚词有哪些
[210 220 230 240 250]] #第五⾏每个数分别乘以10
3、lect函数总结
参数⼀，condlist=【条件⼀，条件⼆，条件三，，，，】
参数⼆，choicelist=【操作⼀，操作⼆，操作三，，，，，】
在线汉英词典
只有每个条件中，对应为true的才会执⾏相对应的操作，最终所有条件都不满⾜的元素，则执⾏默认值default。
⼆、np.choo()函数
choo（）函数，顾名思义，也是通过某⼀些条件去“选择”相关的元素，choo的操作会⽐⾃⼰使⽤for-if-el效率要⾼。
1、choo()函数的定义
def choo(a, choices, out=None, mode=‘rai’):
参数 a ：它必须是⼀个 int 型的 数组，并且 a 中的元素，必须是0~n-1之间的数，这⾥的n表⽰的就是数组choices数组最外层的维度数。choices：表⽰的是要操作的数组，要注意的是choices的数组的维度是⼀定要和a进⾏匹配的，如果匹配不了，会出现错误。
参数out：接收运算结果的数组，它的维度⼀定要和 a 是⼀样的，是可选参数。
参数mode：默认的是rai，表⽰的是a数组中的元素不能超过 n ，她还有两个可选值，
clip：将 a 中的元素如果⼩于0，则将其变为0，如果⼤于n-1，则变为n-1
wrap：将a中的值 value变为value mod n，即值除以n的余数。
2、choo的应⽤
（1）当a和choices都是相同维数的时候——a为1维，choices为1维
result=np.array([0,0,0,0,0])
aa=np.choo([4,2,1,3,0],[11,22,33,44,55],out=result) #当a，与choices的尾数相同的时候
print(aa)
print(result) #result是out输出的，这⾥和aa的结果是⼀样的
运⾏结果：
[55 33 22 44 11]
[55 33 22 44 11] #⼆者的结果是⼀样的，这个地⽅使⽤了out，mode参数使⽤的是默认值
总结：因为choices的 n 为5，所以 a 中的元素不能够超过5 ，它代表的是 choices中的 索引index。11对应0，22对应1，33对应
2，44对应3，55对应4.
（2）当a的维数⽐choices的维数多的时候——a为2维，choices为1维
bb=np.choo([[4,2,1,3,0],[3,4,2,0,1],[0,2,1,4,3]],[11,22,33,44,55])
print(bb)
会计证换证运⾏结果为：
[[55 33 22 44 11]
[44 55 33 11 22]
[11 33 22 55 44]] # a 中的每⼀个索引 都分别与choices 对应着的。
（3）当a的维数⽐choices的维数少的时候——a为1维，choices为2维
cc=np.choo([4,2,1,3,0],[[11,22,33,32,31],[44,55,66,65,64],[77,88,99,98, 97],[111,222,333,332,331],
[444,555,666,665,664]])
print(cc)
运⾏结果为：
日文翻译
[444 88 66 332 31] # 444 对应于 choices[4,0]，88对应于 choices[2,1]，66 对应于 choices[1,2]，332 对应于 choices
[3,3]，31 对应于 choices[0,4]爆破英语
总结：由此可知，choices的最外层索引index依然是与a进⾏匹配的，但是内层索引是按照从0开始，0、1、2、3、4逐渐递增的。鉴于此，choices的内层元素数量依然要与a的个数进⾏匹配才⾏，否则会报错。
（4）当a的维数和choices的维数都是多维的时候——a为2维，choices为2维
dd=np.choo([[4,2,1,3,0],[3,4,2,0,1],[0,2,1,4,3]],[[11,22,33,32,31],[44, 55,66,65,64],[77,88,99,98,97],
[111,222,333,332,331],[444,555 ,666,665,664]])
print(dd)
运⾏结果为：
[[444 88 66 332 31]
[111 555 99 32 64]
[ 11 88 66 665 331]] #运算过程同上⾯的 （3）是类似的
总结：从上⾯的⼏个例⼦可以看出，choo最终的输出结果是和 a ⼀样的。a中的数值不能超过choices的索引值，但是没有要求⼀定要a 和choices维度相同。
3、choo的综合应⽤
beginnersa=[[1,0,2],[2,1,0],[2,0,1]]
c1=[[1,2,3],[4,5,6],[7,8,9]]
choices=[c1,100,c2]
result=np.choo(a,choices)
print(result)
运⾏结果为：
[[100 2 33]
[ 44 100 6]
[ 77 8 100]] #原理同上
总结：choo()是根据给出的index值对choice参数获取，最后返回⼀个列表。
