使用 argmax 格式化數組 numpy Python

Question

我在使用Numbers[(Numbers<=0).argmax():] = 0 function 時遇到問題，如果滿足條件，它應該將其后面的所有元素都變為零，但是如果條件不滿足，它會轉動所有數組元素歸零。 我該如何解決這個問題。 如果不滿足Numbers<=0條件，則數組不應更改。

在 -35.15610151 處滿足條件的數組：

Numbers = np.array([123.6,       123.6 ,       123.6,        110.3748,     111.6992976,
 102.3165566,   97.81462811 , 89.50038472 , 96.48141473 , 90.49956702,
  88.59907611 , 77.96718698,  61.51611052,  56.84088612,  55.36302309,
  54.69866681,  56.44902415 , 59.49727145,  42.12406819,  27.42276839,
  33.86711896,  32.10602877,  -35.15610151,  32.34361339 , 29.20628289])

Numbers[(Numbers<=0).argmax():] = 0

Output：

[123.6        123.6        123.6        110.3748     111.6992976
 102.3165566   97.81462811  89.50038472  96.48141473  90.49956702
  88.59907611  77.96718698  61.51611052  56.84088612  55.36302309
  54.69866681  56.44902415  59.49727145  42.12406819  27.42276839
  33.86711896  32.10602877   0.           0.           0.        ]

不滿足條件的數組，將 -35.15610151 變為 +35.15610151：

Numbers = np.array([123.6,       123.6 ,       123.6,        110.3748,     111.6992976,
 102.3165566,   97.81462811 , 89.50038472 , 96.48141473 , 90.49956702,
  88.59907611 , 77.96718698,  61.51611052,  56.84088612,  55.36302309,
  54.69866681,  56.44902415 , 59.49727145,  42.12406819,  27.42276839,
  33.86711896,  32.10602877,  35.15610151,  32.34361339 , 29.20628289])

Numbers[(Numbers<=0).argmax():] = 0

Output：

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0.]

Answer 1

嘗試這兩種方法，一種是對 NumPy 視圖的就地分配，另一種是創建一個新數組以分配給另一個變量 -

#Method 1 (Inplace assignment)
Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

或者，

#Method 2 (Not inplace)
np.where(~(Numbers<=0).cumsum(dtype=bool), Numbers, 0)

或者，

#As an excellent suggestion by Mad Physicist!
Numbers[np.logical_or.accumulate(Numbers >= 0)] = 0

解釋 -

1. 返回[F, F, F, T, F, F, F]的bool數組可以看成一個1和0的數組。 執行 cumsum 最終會將第一個 T 傳播到后續元素。

2. 因此，這會將數組轉換為[F, F, F, T, T, T, T] ，現在可以僅使用boolean indexing並將視圖設置為 0 或np.where以獲取原始元素或 0 基於用~反轉 boolean

3. 這里的好處是，如果你的數組只是由 False 組成，這意味着沒有元素滿足條件，它只會返回原始Numbers本身，而不是將它們設置為 0。

---

運行測試 -

1. 具有滿足條件的值

Numbers = np.array([123.6 , 123.6 ,  -123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6, 123.6,   0. ,   0. ,   0. ,   0. ,   0. ])

2. 沒有符合條件的值

Numbers = np.array([123.6 , 123.6 ,  123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6 , 123.6 , 123.6 , 110.3748 ,111.6992976 , 102.3165566 ,  97.81462811])

---

編輯：根據要求的新場景

Numbers1 = np.array([1.1, 2.2, 3.3, 4.4, 5.5])
Numbers2 = np.array([1,2,-3,4,5])

Numbers2 = np.where(~(Numbers2<=0).cumsum().astype(bool), Numbers1, 0)
Numbers2

array([1.1, 2.2, 0. , 0. , 0. ])

Answer 2

用if就可以了，很好的表達了意圖，也很容易理解：

smaller_equal_zero = Numbers <= 0
if smaller_equal_zero.any():
    Numbers[smaller_equal_zero.argmax():] = 0

使用 Python 3.8+，您可以在if中使用賦值表達式：

if (smaller_equal_zero := Numbers <= 0).any():
    Numbers[smaller_equal_zero.argmax():] = 0