[英]How can I combine an array of values and mask into a matrix?
如何将值数组和掩码组合成一个矩阵,该矩阵只包含数组中的每个值一次,但仅在掩码非零的地方? 你可以说我想用数组中的值填充掩码矩阵。
我实际上并不关心结果中原始元素的顺序。
mask = [[0, 1, 0], [1, 0, 1], [0, 1, 0]]
values = [1, 2, 3, 4]
result = some_magical_operation(mask, values)
# output: result = [[0, 1, 0], [2, 0, 3], [0, 4, 0]]
# alternative output: result2 = [[0, 2, 0], [1, 0, 3], [0, 4, 0]]
# alternative output: result3 = [[0, 4, 0], [3, 0, 2], [0, 1, 0]]
注意:我的实际矩阵比这密度要小得多。
In [229]: mask = [[0, 1, 0], [1, 0, 1], [0, 1, 0]]
...: values = [1, 2, 3, 4]
In [230]: mask = np.array(mask, bool)
In [231]: mask
Out[231]:
array([[False, True, False],
[ True, False, True],
[False, True, False]])
In [232]: res = np.zeros(mask.shape, int)
如果mask
是 boolean,那么它可以用于索引res
的相关槽,用于获取值或分配它们。
In [233]: res[mask]
Out[233]: array([0, 0, 0, 0])
In [234]: res[mask]= values
In [235]: res
Out[235]:
array([[0, 1, 0],
[2, 0, 3],
[0, 4, 0]])
要使用scipy.sparse
你可以这样做:
In [241]: from scipy import sparse
从mask
制作一个稀疏矩阵:
In [243]: M = sparse.csr_matrix(mask, dtype=int)
In [244]: M
Out[244]:
<3x3 sparse matrix of type '<class 'numpy.longlong'>'
with 4 stored elements in Compressed Sparse Row format>
In [245]: M.A
Out[245]:
array([[0, 1, 0],
[1, 0, 1],
[0, 1, 0]], dtype=int64)
然后用 values 替换它的data
values
:
In [246]: M.data
Out[246]: array([1, 1, 1, 1], dtype=int64)
In [250]: M.data[:] = values
In [251]: M.A
Out[251]:
array([[0, 1, 0],
[2, 0, 3],
[0, 4, 0]], dtype=int64)
这是我尝试过的东西,
mask = [[0, 1, 0], [1, 0, 1], [0, 1, 0]]
val = [1, 2, 3, 4]
result=list()
k=0
for i in mask:
for j in range(0,len(i)):
if i[j]!=0:
i[j]=val[k]
k+=1
result.append(i)
print(result)
output:
[[0, 1, 0], [2, 0, 3], [0, 4, 0]]
还需要对此代码进行一些小的修改:
我不知道是否有 NumPy function 为此,所以我创建了自己的:
import numpy as np
def some_magical_operation_ndarray(m: np.ndarray, v: np.ndarray) -> np.ndarray:
res = np.zeros(m.shape)
n = 0
for i in range(m.shape[0]):
for j in range(m.shape[1]):
if not m[i, j] == 0:
res[i, j] = v[n]
n += 1
if n == len(v):
n = 0
return res
mask = np.asarray([[0, 1, 0], [1, 0, 1], [0, 1, 0]])
values = np.asarray([1, 2, 3, 4])
result = some_magical_operation_ndarray(mask, values)
print(result)
如果您想使用列表而不是 ndarray,则此解决方案将起作用:
def some_magical_operation_list(m: list, v: list) -> list:
res = []
n = 0
for i in range(len(m)):
res.append([])
for j in range(len(m[i])):
if not m[i][j] == 0:
res[i].append(v[n])
n += 1
if n == len(v):
n = 0
else:
res[i].append(0)
return res
mask = [[0, 1, 0], [1, 0, 1], [0, 1, 0]]
values = [1, 2, 3, 4]
result = some_magical_operation_list(mask, values)
print(result)
尝试这个:
_mask = np.nonzero(mask)
mask[_mask] = values
应该完全按照您的要求工作。
带有测试集的示例:
mask = np.random.randint(0, 2, (7,3))
mask[_mask] = np.arange(1, _mask[0].shape[0] + 1) # the RHS is a test equivalent to 'values'
结果:
>>> mask (original):
array([[0, 0, 1],
[1, 0, 0],
[1, 1, 1],
[0, 1, 1],
[0, 1, 1],
[0, 1, 0],
[0, 1, 1]])
>>> mask (modified):
array([[ 0, 0, 1],
[ 2, 0, 0],
[ 3, 4, 5],
[ 0, 6, 7],
[ 0, 8, 9],
[ 0, 10, 0],
[ 0, 11, 12]])
如果您不想修改mask
本身,请制作mask
副本并在复制的数组上使用_mask
。
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.