![](/img/trans.png)
[英]Replacing elements in Numpy 2D array with corresponding elements of another Numpy 2D array depending on a condition
[英]Replacing numpy 2D array elements below an index array
我搜索了之前的问题,并没有找到一个非常适合这个问题。
我将A的第j列中的所有单元格的值设置为0,其行的行数小于m [j]:
import numpy as np
n = 8
A = np.ones([n,n])
m = np.array([1,1,1,2,2,2,3,4])
for j in range(n):
for i in range(m[j]):
A[i,j] = 0
如何在没有'for'循环的情况下重写该脚本?
你可以使用广播的NumPy比较 -
>>> A[np.arange(n)[:, None] < m] = 0
>>>
array([[0., 0., 0., 0., 0., 0., 0., 0.],
[1., 1., 1., 0., 0., 0., 0., 0.],
[1., 1., 1., 1., 1., 1., 0., 0.],
[1., 1., 1., 1., 1., 1., 1., 0.],
[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.]])
这里,调用[:, None]
增加np.arange(n)
的形状,以便对于范围中的每个项目,在m
每个元素上广播比较<
。 这将生成与A
相同形状的布尔掩码,然后A
其用于将值设置为0。
注意 - 如果A
保证是一个数组,我会推荐Divakar的解决方案 ,这与此非常相似。
对长度为n
的远程数组使用外部广播比较直接获得A
-
A = (m <= np.arange(n)[:,None]).astype(float)
为了提高性能,我们可以使用类型转换来降低精度,例如.astype(np.int)
甚至.astype(np.uint8)
。 如果您对布尔数组没问题,请完全跳过类型转换。
对于int
dtypes,我们也可以简单地view
它,这为我们节省了一些内存 -
(m <= np.arange(n)[:,None]).view(np.int8)
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.