Question

我正在尝试根据数组的值动态构造一个带有numpy的二维矩阵，如下所示：

In [113]: A = np.zeros((5,5),dtype=bool)
In [114]: A
Out[114]: array([[False, False, False, False, False],
   [False, False, False, False, False],
   [False, False, False, False, False],
   [False, False, False, False, False],
   [False, False, False, False, False]], dtype=bool)

 In [116]: B = np.array([0,1,3,0,2])

 In [117]: B
 Out[117]: array([0, 1, 3, 0, 2])

现在，我想使用B的值将每行的前n个值分配给A到True。对于此A和B，正确的输出将是：

In [118]: A
Out[118]: array([[False, False, False, False, False],
   [ True, False, False, False, False],
   [ True,  True,  True, False, False],
   [False, False, False, False, False],
   [ True,  True, False, False, False]], dtype=bool)

B的长度总是等于A的行数，B的值总是小于或等于A的列数.A的大小和B的值不断变化，所以我需要动态构建这些。

我确信这有一个简单的（-ish）解决方案，但是我花了最后一小时的时间来对抗重复，平铺和其他任何我能想到的变化。在给自己脑震荡之前，有人可以帮助我吗？ :)

编辑：我需要做很多事，所以速度将成为一个问题。我现在唯一可以提出的版本是：

np.vstack([ [True]*x + [False]*(500-x) for x in B ])

但我希望由于for循环这会很慢（如果我有什么要比较的话，我会考虑时间）。

Answer 1

怎么样：

>>> A = np.zeros((5, 7),dtype=bool)
>>> B = np.array([0,1,3,0,2])
>>> (np.arange(len(A[0])) < B[:,None])
array([[False, False, False, False, False, False, False],
       [ True, False, False, False, False, False, False],
       [ True,  True,  True, False, False, False, False],
       [False, False, False, False, False, False, False],
       [ True,  True, False, False, False, False, False]], dtype=bool)

（我改变了（5,5）的形状，因为我对哪个轴哪个轴感到困惑，我想确保使用正确的轴。）

[从(np.arange(len(A[0]))[:,None] < B).T简化 - 如果我们展开B而不是A，则无需进行转置。]

从数组值动态填充numpy矩阵？

1 个答案: