Question

我正在将代码从Matlab转换为Python。 Matlab中的代码是：

{
    "took": 1,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "failed": 0
    },
    "hits": {
        "total": 4,
        "max_score": 1.0,
        "hits": [
            {
                "_index": "app_dev",
                "_type": "owner",
                "_id": "9",
                "_score": 1.0,
                "_source": {
                    "name": "Demo Name",
                    "created": "2017-06-30T22:46:47+02:00",
                    "shops": [
                        {
                            "name": "Shop 1 ",
                            "address": {
                                "city": "Test",
                                "street": "Teststreet 123",
                                "zip": "1234"
                            }
                        },
                        {
                            "name": "Shop 2",
                            "address": {
                                "city": "Test",
                                "street": "Teststreet 123",
                                "zip": "1234"
                            }
                        },
                        {
                            "name": "Shop 3",
                            "address": {
                                "city": "Test",
                                "street": "Teststreet 123",
                                "zip": "1234"
                            }
                        }
                    ]
                }
            }
        ]
    }
}

两个数组的大小相同，我基本上都在创建一个掩码。

我读到here numpy中的非零（）等同于find（），所以我使用了它。在Python中，我有sstdge的dstc和sNorm的dst。我也直接输入lowT = 60.所以代码是

但是，我得到以下错误：

x = find(sEdgepoints > 0 & sNorm < lowT);
sEdgepoints(x)=0;

我读到了a.any（）/ a.all（）in this post的用法，我不确定它是如何工作的。所以，我有两个问题： 1.如果是，使用哪个阵列？ 2.如果我是正确的并且它不起作用，如何转换代码？

Answer 1

试试np.argwhere() （并注意（）围绕不等式的重要性：

>>X=np.array([1,2,3,4,5])
>>Y=np.array([7,6,5,4,3])
>>ans = np.argwhere((X>3) & (Y<7))
>>ans 

array([[3],
   [4]])

Answer 2

and执行布尔运算，numpy期望你按位操作，所以你必须使用&即

x = np.nonzero((dstc > 0) & ( dst < 60))

Answer 3

你可以自己实现它：

example.com/blog

将为您提供与匹配约束相对应的列表列表。我想这可能不是你想要的。

也许看看pandas模块，它使得屏蔽比普通的python或numpy更舒服： https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.mask.html

将matlab中的find（）转换为python

3 个答案: