2D ID数组和1D权重的加权numpy bincount

ttsesm

我正在使用numpy_indexed来应用矢量化的numpy bincount,如下所示:

import numpy as np
import numpy_indexed as npi
rowidx, colidx = np.indices(index_tri.shape)
(cols, rows), B = npi.count((index_tri.flatten(), rowidx.flatten()))

index_tri以下矩阵在哪里

index_tri = np.array([[ 0,  0,  0,  7,  1,  3],
       [ 1,  2,  2,  9,  8,  9],
       [ 3,  1,  1,  4,  9,  1],
       [ 5,  6,  6, 10, 10, 10],
       [ 7,  8,  9,  4,  3,  3],
       [ 3,  8,  6,  3,  8,  6],
       [ 4,  3,  3,  7,  8,  9],
       [10, 10, 10,  5,  6,  6],
       [ 4,  9,  1,  3,  1,  1],
       [ 9,  8,  9,  1,  2,  2]])

然后,将合并的值映射到以下初始化矩阵的相应位置m

m = np.zeros((10,11))
m 
array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])

m[rows, cols] = B
m
array([[3., 1., 0., 1., 0., 0., 0., 1., 0., 0., 0.],
       [0., 1., 2., 0., 0., 0., 0., 0., 1., 2., 0.],
       [0., 3., 0., 1., 1., 0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 0., 1., 2., 0., 0., 0., 3.],
       [0., 0., 0., 2., 1., 0., 0., 1., 1., 1., 0.],
       [0., 0., 0., 2., 0., 0., 2., 0., 2., 0., 0.],
       [0., 0., 0., 2., 1., 0., 0., 1., 1., 1., 0.],
       [0., 0., 0., 0., 0., 1., 2., 0., 0., 0., 3.],
       [0., 3., 0., 1., 1., 0., 0., 0., 0., 1., 0.],
       [0., 1., 2., 0., 0., 0., 0., 0., 1., 2., 0.]])

但是,这认为index_tri每列中每个值的权重为1。现在,如果我有一个weights数组,则为每列中提供一个相应的权重值,index_tri而不是1:

weights = np.array([0.7, 0.8, 1.5, 0.6, 0.5, 1.9])

如何应用加权二进制计数,以便我的输出矩阵m如下:

array([[3., 0.5, 0., 1.9, 0., 0., 0., 0.6, 0., 0., 0.],
       [0., 0.7, 2.3, 0., 0., 0., 0., 0., 0.5, 2.5, 0.],
       [0., 4.2, 0., 0.7, 0.6, 0., 0., 0., 0., 0.5, 0.],
       [0., 0., 0., 0., 0., 0.7, 2.3, 0., 0., 0., 3.],
       [0., 0., 0., 2.4, 0.6, 0., 0., 0.7, 0.8, 1.5, 0.],
       [0., 0., 0., 2.3, 0., 0., 2.4, 0., 1.3, 0., 0.],
       [0., 0., 0., 2.3, 0.7, 0., 0., 0.6, 0.5, 1.9, 0.],
       [0., 0., 0., 0., 0., 0.6, 2.4, 0., 0., 0., 3.],
       [0., 3.9, 0., 0.6, 0.7, 0., 0., 0., 0., 0.8, 0.],
       [0., 0.6, 2.4, 0., 0., 0., 0., 0., 0.8, 2.2, 0.]])

任何想法?


通过使用for循环和numpy,bincount()我可以如下解决它:

for i in range(m.shape[0]):
   m[i, :] = np.bincount(index_tri[i, :], weights=weights, minlength=m.shape[1])

我试图分别此处此处适应矢量化提供的解决方案,但是我无法弄清楚该ix2D变量在第一个链接中对应的含义如果可能的话,有人可以详细说明一下。


更新(解决方案):

基于下面的@Divakar解决方案,这是一个更新的版本,如果您的索引输入矩阵不能覆盖输出初始化矩阵的全部范围,则它需要一个额外的输入参数:

    def bincount2D(id_ar_2D, weights_1D, sz=None):
        # Inputs : 2D id array, 1D weights array

        # Extent of bins per col
        if sz == None:
            n = id_ar_2D.max() + 1
            N = len(id_ar_2D)
        else:
            n = sz[1]
            N = sz[0]

        # add offsets to the original values to be used when we apply raveling later on
        id_ar_2D_offsetted = id_ar_2D + n * np.arange(N)[:, None]

        # Finally use bincount with those 2D bins as flattened and with
        # flattened b as weights. Reshaping is needed to add back into "a".
        ids = id_ar_2D_offsetted.ravel()
        W = np.tile(weights_1D, N)
        return np.bincount(ids, W, minlength=n * N).reshape(-1, n)
迪卡卡

受到this post-的启发

def bincount2D(id_ar_2D, weights_1D):
    # Inputs : 2D id array, 1D weights array
    
    # Extent of bins per col
    n = id_ar_2D.max()+1
    
    N = len(id_ar_2D)
    id_ar_2D_offsetted = id_ar_2D + n*np.arange(N)[:,None]
    
    # Finally use bincount with those 2D bins as flattened and with
    # flattened b as weights. Reshaping is needed to add back into "a".
    ids = id_ar_2D_offsetted.ravel()
    W = np.tile(weights_1D,N)
    return np.bincount(ids, W, minlength=n*N).reshape(-1,n)

out = bincount2D(index_tri, weights)

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

numpy bincount可以与2D数组一起使用吗?

来自分类Dev

C ++ 2D数组到1D数组

来自分类Dev

Python numpy:列数组(2d)或列表(1d)

来自分类Dev

numpy的bincount函数的反函数

来自分类Dev

在python中忽略numpy bincount中的NaN

来自分类Dev

numpy:将2D数组乘以1D数组

来自分类Dev

numpy将2D数组与1D数组连接

来自分类Dev

如何使用numpy从两个1D数组生成布尔2D数组

来自分类Dev

从1D重塑为2D numpy数组后,如何返回元素的位置(索引)?

来自分类Dev

numpy 2d和1d加法平

来自分类Dev

在Numpy Python中将1d数组附加到2d数组

来自分类Dev

Python Numpy在带有2D数组的1D数组上相交1d

来自分类Dev

带有1列的Numpy重塑1d至2d数组

来自分类Dev

展平2D数组1D和

来自分类Dev

如何对1d和2d数组强制使用2d形状

来自分类Dev

Numpy计算随机2D或1D数组中的Min Max

来自分类Dev

如何使用if条件在1D和2D numpy数组之间进行向量化计算

来自分类Dev

如何在1D数组上使用函数创建2D Numpy数组?

来自分类Dev

从2d numpy数组(成为1d numpy数组的一列)和1d np标签数组创建熊猫数据框

来自分类Dev

Numpy的“形状”函数为2D数组返回1D值

来自分类Dev

在1d数组中填充2d数组

来自分类Dev

忽略python中的numpy bincount中的NaN

来自分类Dev

用1D numpy数组制作2D

来自分类Dev

np.bincount 1行,矢量化多维平均

来自分类Dev

从2D NumPy数组中查找1D数组?

来自分类Dev

numpy:将索引的2D数组转换为1D数组以进行交集计算

来自分类Dev

从numpy 1D数组列表创建numpy 2D数组

来自分类Dev

将 2d 数组索引为 1d

来自分类Dev

具有类属性的 numpy bincount

Related 相关文章

热门标签

归档