如何有效地替换一维数组中相同的连续值

Question

令人惊讶的是，经过相当多的研究，我没有发现任何帖子引发了解决这个简单问题的好主意。

我有一个形状为(n, )的一维numpy数组，它大部分是零和一些其他正值。

D = np.zeros(10)
D[2] = 1
D[5] = 4
D[7] = 3

Out: array([0., 0., 1., 0., 0., 4., 0., 3., 0., 0.])

但是，有时，其中一个值（它是给定样本的触发器）可能会在下一个（或几个下一个样本）期间重复。

D = np.zeros(10)
D[2] = 1
D[3] = 1
D[5] = 4
D[7] = 3

Out: array([0., 0., 1., 1., 0., 4., 0., 3., 0., 0.])

在这种情况下，我想处理数组以用 0 替换相同的连续值； 在这种情况下，将第二个1替换为0 。

In: array([0., 0., 1., 1., 0., 4., 0., 3., 0., 0.])
Out: array([0., 0., 1., 0., 0., 4., 0., 3., 0., 0.])

对于一个额外的复杂度级别，我想定义一个容差，如果值x>0之后的每个元素都足够接近x ，那么它们将被 0 替换。

In: array([0., 0., 1., 0.98, 1.01, 4., 0., 3., 3.1, 0.]), tolerance = 0.05
Out: array([0., 0., 1., 0., 0., 4., 0., 3., 3.1, 0.])

这很容易通过使用while或for循环在数组上循环来实现。 然而，由于这是一个在线应用程序，我一直在 numpy 中寻找矢量化解决方案。 如果有人有任何建议，任何 function 我可以考虑尽可能高效地执行此操作，请发表评论！

Answer 1

尝试像这样使用np.diff() ：

D[np.where(np.diff(D)==0)] = 0

编辑：包括OP的解决方案，包括公差和前置：

D[np.where(np.diff(D, prepend=[0])<=tolerance)] = 0

编辑 2：@obchardon 删除不必要的np.where的极好建议：

D[abs(np.diff(D, prepend=[0]))<=tolerance] = 0