[英]Swap zeros in numpy matrix
我有一个像这样的numpy矩阵:
array([[2, 1, 23, 32],
[34, 3, 3, 0],
[3, 33, 0, 0],
[32, 0, 0, 0]], dtype=int32)
现在我想将所有数字移到右边并将零交换到左边,如下所示:
array([[2, 1, 23, 32],
[0, 34, 3, 3],
[0, 0, 3, 33],
[0, 0, 0, 32]], dtype=int32)
是否有一种简短的pythonic方式来做这个,也许是从numpy,pandas或scikit-learn的api方法?
这是一个带masking
的矢量化方法 -
valid_mask = a!=0
flipped_mask = valid_mask.sum(1,keepdims=1) > np.arange(a.shape[1]-1,-1,-1)
a[flipped_mask] = a[valid_mask]
a[~flipped_mask] = 0
样品运行 -
In [90]: a
Out[90]:
array([[ 2, 1, 23, 32],
[34, 0, 3, 0], # <== Added a zero in between for variety
[ 3, 33, 0, 0],
[32, 0, 0, 0]])
# After code run -
In [92]: a
Out[92]:
array([[ 2, 1, 23, 32],
[ 0, 0, 34, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
一个更通用的样本运行 -
In [94]: a
Out[94]:
array([[1, 1, 2, 3, 1, 0, 3, 0, 2, 1],
[2, 1, 0, 1, 2, 0, 1, 3, 1, 1],
[1, 2, 0, 3, 0, 3, 2, 0, 2, 2]])
# After code run -
In [96]: a
Out[96]:
array([[0, 0, 1, 1, 2, 3, 1, 3, 2, 1],
[0, 0, 2, 1, 1, 2, 1, 3, 1, 1],
[0, 0, 0, 1, 2, 3, 3, 2, 2, 2]])
运行时测试
适用于通用案例的方法 -
# Proposed in this post
def masking_based(a):
valid_mask = a!=0
flipped_mask = valid_mask.sum(1,keepdims=1) > np.arange(a.shape[1]-1,-1,-1)
a[flipped_mask] = a[valid_mask]
a[~flipped_mask] = 0
return a
# @Psidom's soln
def sort_based(a):
return a[np.arange(a.shape[0])[:, None], (a != 0).argsort(1, kind="mergesort")]
计时 -
In [205]: a = np.random.randint(0,4,(1000,1000))
In [206]: %timeit sort_based(a)
10 loops, best of 3: 30.8 ms per loop
In [207]: %timeit masking_based(a)
100 loops, best of 3: 6.46 ms per loop
In [208]: a = np.random.randint(0,4,(5000,5000))
In [209]: %timeit sort_based(a)
1 loops, best of 3: 961 ms per loop
In [210]: %timeit masking_based(a)
1 loops, best of 3: 151 ms per loop
熊猫方法:
In [181]:
# construct df from array
df = pd.DataFrame(a)
# call apply and call np.roll rowise and roll by the number of zeroes
df.apply(lambda x: np.roll(x, (x == 0).sum()), axis=1).values
Out[181]:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
这使用apply
因此我们可以通过每行中的零个数来调用每行的np.roll
您还可以将numpy.argsort
与高级索引一起使用:
arr[np.arange(arr.shape[0])[:, None], (arr != 0).argsort(1, kind="mergesort")]
#array([[ 2, 1, 23, 32],
# [ 0, 34, 3, 3],
# [ 0, 0, 3, 33],
# [ 0, 0, 0, 32]], dtype=int32)
基于非numpy的python的琐碎尝试 -
>>> arr = [[2, 1, 23, 32],
... [34, 3, 3, 0],
... [3, 33, 0, 0],
... [32, 0, 0, 0]]
...
>>> t_arr = [[0 for _ in range(cur_list.count(0))]\
+ [i for i in cur_list if i!=0]\
for cur_list in arr]
>>> t_arr
[[2, 1, 23, 32], [0, 34, 3, 3], [0, 0, 3, 33], [0, 0, 0, 32]]
您还可以在numpy.ma.sort()
的帮助下对蒙面数组执行排序,该排列沿着最后一个轴就地排列数组, axis=-1
,如下所示:
np.ma.array(a, mask=a!=0).sort()
现在a
变:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
唯一的缺点是,它不如上面提到的一些方法快,但仍然是一个简短的单线程。
基于行滚动的解决方案,本着@EDChum's
熊猫版本的精神:
def rowroll(arr):
for row in arr:
row[:] = np.roll(row,-np.count_nonzero(row))
return arr
In [221]: rowroll(arr.copy())
Out[221]:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
np.count_nonzero
是一种快速编译的查找非零数的方法。 它由np.where
用于查找其返回大小。
但是看一下np.roll
代码,我觉得这个任务过于复杂,因为它可以用于多个轴。
这看起来更麻烦,但我怀疑它的速度和roll
速度一样快:
def rowroll(arr):
for row in arr:
n = np.count_nonzero(row)
temp = np.zeros_like(row)
temp[-n:] = row[:n]
row[:] = temp
return arr
roll
解决方案需要在原始的0后跟0,而不是0。
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.