[英]Numpy fancy/advanced indexing independent of dimensions
以下代碼為我提供了理想的結果,但是我想知道是否有更通用的方法將其應用於1D和2D數組,例如使用花式/高級索引?
import numpy as np
df1 = np.array([-5, 2, 3, 1, 2, 3])
df2 = np.array([[-5, 2, 3, 1, 2, 3], [-5, 2, 2, 1, 2, 3]])
def func(df):
if df.ndim == 1:
cum_cf = df.cumsum()
ny = np.argmax(cum_cf > 0)-1
n = cum_cf[ny]
p = df[ny+1]
else:
cum_cf = df.cumsum(axis=1)
ny = np.argmax(cum_cf > 0, axis=1)-1
rows = np.arange(df.shape[0])
n = cum_cf[rows, ny]
p = cum_cf[rows, ny+1]
value = 1 + ny - (n/p)
return value
print(func(df1))
>>> 3.0
print(func(df2))
>>> [3. 4.]
因此,這更多是關於清理代碼,因為我猜想我可以省略rows語句,並將變量n和p放在if else條件之外。 我可以使用省略號嗎? 基本上,它是對所有行進行子集設置,但一維數組沒有行。
根據評論,這是正確的方法嗎?
def func(df):
df = np.atleast_2d(df)
cum_cf = df.cumsum(axis=1)
ny = np.argmax(cum_cf > 0, axis=1)-1
rows = np.arange(df.shape[0])
n = cum_cf[rows, ny]
p = cum_cf[rows, ny+1]
value = 1 + ny - (n/p)
return value
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.