[英]Intersection of 2d and 1d Numpy array
对于数组A[:,3:]
每个元素A[:,3:]
也在数组B
,我想将值设置为0,这将创建数组result
import numpy as np
A = np.array([[1, 1, 10, 101, 102, 103, 0, 0],
[2, 2, 10, 102, 108, 0, 0, 0],
[3, 3, 11, 101, 102, 106, 107, 108]])
B = np.array([101, 106, 108])
result = np.array([[1, 1, 10, 0, 102, 103, 0, 0],
[2, 2, 10, 102, 0, 0, 0, 0],
[3, 3, 11, 0, 102, 0, 107, 0]])
我知道有一种方法可以使用in1d
并将A
作为一维数组广播,但我不知道如何解决这个问题。
任何帮助将不胜感激。
如果您将切片的2D数组A[:,3:]
到np.in1d
,它会将其展平为1D数组并与B
进行比较以进行出现,从而创建1D掩码,可以对其进行重新整形并用于布尔索引进入该切片数组以将TRUE
元素设置zeros
。 单线程实现看起来像这样 -
A[:,3:][np.in1d(A[:,3:],B).reshape(A.shape[0],-1)] = 0
样品运行 -
In [37]: A
Out[37]:
array([[ 1, 1, 10, 101, 102, 103, 0, 0],
[ 2, 2, 10, 102, 108, 0, 0, 0],
[ 3, 3, 11, 101, 102, 106, 107, 108]])
In [38]: np.in1d(A[:,3:],B) # Flattened mask
Out[38]:
array([ True, False, False, False, False, False, True, False, False,
False, True, False, True, False, True], dtype=bool)
In [39]: np.in1d(A[:,3:],B).reshape(A.shape[0],-1) # Reshaped mask
Out[39]:
array([[ True, False, False, False, False],
[False, True, False, False, False],
[ True, False, True, False, True]], dtype=bool)
In [40]: A[:,3:][np.in1d(A[:,3:],B).reshape(A.shape[0],-1)] = 0 # Final code
In [41]: A
Out[41]:
array([[ 1, 1, 10, 0, 102, 103, 0, 0],
[ 2, 2, 10, 102, 0, 0, 0, 0],
[ 3, 3, 11, 0, 102, 0, 107, 0]])
为了简化操作,您可以创建扁平A
的视图,并使用从np.in1d
获得的1D掩码来获得更优雅的解决方案。 对于只更改切片A[:,3:]
的解决方案,您可以使用.flat
然后像这样索引 -
A[:,3:].flat[np.in1d(A[:,3:],B)] = 0
对于您希望在整个A
设置匹配的情况,您可以使用.ravel()
-
A.ravel()[np.in1d(A,B)] = 0
我知道.ravel()
是一个视图,从文档来看,似乎.flat
也没有创建副本,所以这些应该很便宜 。
这是一种不使用in1d()
。 您可以使用常规的Python in
运算符和数组的ravel
-ed版本:
listed = [aa in B for aa in A[:, 3:].ravel()]
# mask for unaffected left columns of A
mask1 = np.array([False]*A.shape[0]*3)
mask1.shape = (A.shape[0], 3)
# mask for affected right columns of A
mask2 = np.array(listed)
mask2.shape = (A.shape[0], A.shape[1]-3)
# join masks together so you have a mask with same dimensions as A
mask = np.hstack((mask1, mask2))
result = A.copy()
result[mask] = 0
或者更简洁:
listed = [aa in B for aa in A[:, 3:].ravel()]
listed_array = np.array(listed)
listed.shape = (A.shape[0], A.shape[1]-3)
A[:, 3:][listed_array] = 0
你可能最好用in1d()
但很高兴知道还有其他选择。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.