[英]Numpy searchsorted on array of vectors in one dimension
我已经使用谷歌搜索了一段时间,尽管我认为这是一个普遍的问题,但我看不出在SO上有任何解决方案。
假设我有一个3D向量数组(x,y,z),如下所示:
import numpy as np
arr = np.array(
[(1, 2, 3), (3, 1, 2.5), (5, 3, 1), (0, -1, 2)],
dtype=[('x', np.float), ('y', np.float), ('z', np.float)]
)
print(np.sort(arr, order='z'))
打印:
[(5., 3., 1. ) (0., -1., 2. ) (3., 1., 2.5) (1., 2., 3. )]
我现在想仅按维度“ z”搜索此排序数组。 二进制搜索将非常有效。 但是searchsorted仅适用于一维数组。 而且没有lambda可以应用于每个值(基本上np.dot
带有(0, 0, 1)
np.dot
(0, 0, 1)
向量的np.dot
。)
是否有任何方法可以在numpy中执行此操作,或者我需要自己实现二进制搜索(仍然是一个选项,因为即使在原始Python中它也非常快)。
例如,对于值x= 2.5
我期望索引2。对于x=2.4
我仍然期望2,对于x=2.6
我期望3。索引或向量本身(例如(3,1 ,2.5))。
无需在数组中使用元组,就可以使用切片:
import numpy as np
arr = np.random.rand(10,3)
print(arr)
sort_indices = np.argsort(arr[:,2])
arr_sorted = arr[sort_indices]
print(arr_sorted)
# run search sorted
search_result = np.searchsorted(arr_sorted[:,2],arr[5,2])
>>> 2
输出:
unsorted:
[[0.71815835 0.89099775 0.51398111]
[0.56393906 0.26684628 0.33065586]
[0.38920018 0.0485013 0.70958811]
[0.3771277 0.95567051 0.18514701]
[0.59715961 0.19092995 0.09340359]
[0.09575273 0.56697649 0.10120321]
[0.63226061 0.95258914 0.59669295]
[0.1714133 0.7406211 0.23079041]
[0.33512727 0.23244954 0.08735154]
[0.50582011 0.97186928 0.15525005]]
sorted:
[[0.33512727 0.23244954 0.08735154]
[0.59715961 0.19092995 0.09340359]
[0.09575273 0.56697649 0.10120321]
[0.50582011 0.97186928 0.15525005]
[0.3771277 0.95567051 0.18514701]
[0.1714133 0.7406211 0.23079041]
[0.56393906 0.26684628 0.33065586]
[0.71815835 0.89099775 0.51398111]
[0.63226061 0.95258914 0.59669295]
[0.38920018 0.0485013 0.70958811]]
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.