有一些numpy.where()
我不明白的地方:
假设我有一个2D numpy ndarray:
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
现在,想创建一个函数来“检查”此numpy数组的各种条件。
array([[ 1, 2, 3, 4],
[ 1, 6, 7, 8],
[ 1, 1, 1, 12],
[17, 3, 15, 16],
[17, 3, 18, 18]])
例如,此数组中的哪些条目的(A)偶数(B)大于7(C)除以3?
我想为此使用numpy.where()
,并遍历此数组的每个条目,最后找到匹配所有条件的元素(如果存在这样的条目):
even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
如何做到这一点?我不确定如何遍历布尔值...
我可以通过访问矩阵(i,j)的索引
np.argwhere(even_entries)
我们可以做类似的事情
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
for row in even_entries:
for item in row:
if item: #equivalent to `if item == True`
for row in greater_seven:
for item in row:
if item: #equivalent to `if item == True`
for row in divisible_three:
for item in row:
if item: #equivalent to `if item == True`
# something like print(np.argwhere())
有什么建议吗?
EDIT1:下面的好主意。正如@hpaulj提到的那样:“您的测试产生的布尔矩阵的形状与twodim相同”。这是我在玩耍时遇到的一个问题-并非所有条件生成的矩阵都与起始矩阵相同。例如,假设我正在比较array元素的左侧或右侧是否有匹配的数组(即水平)
twodim[:, :-1] == twodim[:, 1:]
结果是(5,3)布尔数组,而我们原来的矩阵是(5,4)数组
array([[False, False, False],
[False, False, False],
[ True, True, False],
[False, False, False],
[False, False, True]], dtype=bool)
如果我们在垂直方向上进行相同的操作,则将生成(4,4)布尔数组,而原始矩阵为(5,4)
twodim[:-1] == twodim[1:]
array([[ True, False, False, False],
[ True, False, False, False],
[False, False, False, False],
[ True, True, False, False]], dtype=bool)
如果我们希望知道哪些条目既有垂直对又有水平对,那么弄清楚我们所处的维度是很重要的。
您的测试会产生一个与以下形状相同的布尔矩阵twodim
:
In [487]: mask3 = twodim%3==0
In [488]: mask3
Out[488]:
array([[False, False, True, False],
[False, True, False, False],
[False, False, False, True],
[False, True, True, False],
[False, True, True, True]], dtype=bool)
如其他答案所述,您可以在逻辑上组合测试-和和或。
np.where
与np.nonzero
(在此用法中)相同,只是返回True值的坐标-作为2个数组的元组。
In [489]: np.nonzero(mask3)
Out[489]:
(array([0, 1, 2, 3, 3, 4, 4, 4], dtype=int32),
array([2, 1, 3, 1, 2, 1, 2, 3], dtype=int32))
argwhere
返回相同的值,但作为转置的2d数组。
In [490]: np.argwhere(mask3)
Out[490]:
array([[0, 2],
[1, 1],
[2, 3],
[3, 1],
[3, 2],
[4, 1],
[4, 2],
[4, 3]], dtype=int32)
无论是mask
和tuple
可以直接用于索引你的数组:
In [494]: twodim[mask3]
Out[494]: array([ 3, 6, 12, 3, 15, 3, 18, 18])
In [495]: twodim[np.nonzero(mask3)]
Out[495]: array([ 3, 6, 12, 3, 15, 3, 18, 18])
在argwhere
不能直接用于索引,但可能更适合于反复,特别是如果你想索引以及价值观:
In [496]: for i,j in np.argwhere(mask3):
.....: print(i,j,twodim[i,j])
.....:
0 2 3
1 1 6
2 3 12
3 1 3
3 2 15
4 1 3
4 2 18
4 3 18
与相同的事情where
需要一个zip
:
for i,j in zip(*np.nonzero(mask3)): print(i,j,twodim[i,j])
但是一般来说,numpy
我们尽量避免迭代。如果您可以twodim[mask]
直接使用您的代码,将会更快。
布尔掩码的逻辑组合比where
索引的组合更容易产生。要使用索引,我可能会求助于set
操作(联合,相交,差异)。
对于缩减大小的测试,您必须决定如何将其映射到原始数组(和其他测试)。例如
(5,3)遮罩(列之间的差异):
In [505]: dmask=np.diff(twodim, 1).astype(bool)
In [506]: dmask
Out[506]:
array([[ True, True, True],
[ True, True, True],
[False, False, True],
[ True, True, True],
[ True, True, False]], dtype=bool)
它可以索引原始数组的3列
In [507]: twodim[:,:-1][dmask]
Out[507]: array([ 1, 2, 3, 1, 6, 7, 1, 17, 3, 15, 17, 3])
In [508]: twodim[:,1:][dmask]
Out[508]: array([ 2, 3, 4, 6, 7, 8, 12, 3, 15, 16, 3, 18])
它也可以与其他遮罩的3列组合:
In [509]: dmask & mask3[:,:-1]
Out[509]:
array([[False, False, True],
[False, True, False],
[False, False, False],
[False, True, True],
[False, True, False]], dtype=bool)
以布尔数组形式组合测试比通过where
索引组合起来要容易得多。
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。
我来说两句