计算"距离矩阵"

时间:2015-03-16 15:05:52

标签: python numpy scipy

我试着用一个简单的例子来解释我的目标。

aGrid = np.arange(1,9)
bGrid = np.arange(101, 109, 0.5)
A, B = np.meshgrid(aGrid, bGrid, indexing='ij')
np.random.seed(66)
valid = np.random.choice([True, False], A.shape)

valid视为一个矩阵,确定您是否被允许留在网格点(a, b)。如果您不被允许留在那里,则必须通过减少b来移动:您需要向左移动(沿着行)。

我正在尝试创建此transition矩阵:对于此valid矩阵中的每个项目,它确定"旅行距离"您需要前往下一个True项目。行程距离来自元素之间的单位。在此示例中,我将行程距离设置为0.5维度b。如果您已经在True位置,则距离为0

以下是给定种子的valid

array([[False,  True,  True,  True,  True,  True, False,  True,  True,
         True,  True, False, False,  True, False,  True],
       [ True,  True,  True,  True,  True, False,  True, False,  True,
         True,  True,  True,  True, False,  True, False],
       [ True,  True, False,  True, False, False, False,  True,  True,
         True,  True,  True, False, False,  True, False],
       [ True,  True, False, False,  True, False, False, False, False,
        False, False,  True, False, False,  True, False],
       [ True,  True,  True,  True,  True,  True,  True, False,  True,
         True, False, False, False, False, False,  True],
       [False,  True,  True, False, False,  True,  True, False,  True,
         True, False,  True, False, False, False, False],
       [ True,  True,  True, False,  True, False,  True,  True,  True,
        False, False,  True, False,  True, False,  True],
       [False,  True, False, False,  True, False,  True,  True, False,
         True, False, False, False,  True, False, False]], dtype=bool)

一些预期的输出

对于第一个元素,我们无法向左移动更多以查找True值 - 默认值应为np.NaN。对于第一行的下5个元素,距离为0:它们已经位于有效位置。 transition[0, 6] = 0.5:它需要向左移动一个元素。

所以,前两行是

array([[NaN,  0,  0,  0,  0,  0, 0.5,  0,  0,
         0,  0, 0.5, 1,  0, 0.5,  0],
       [ 0,  0,  0,  0,  0, 0.5,  0, 0,  0,
         0,  0,  0,  0, 0.5,  0, 0.5],

我尝试使用np.argmaxnp.argmax的组合来查找每个{True但小于x的最大元素x {1}},同时迭代x中的每个元素valid这似乎超级低效。有什么更好的方法来解决这个问题?

也许有办法对此进行矢量化?此外,我不能依赖于此示例中给出的0.5的等距离。该方法需要使用bGrid(或B)计算当前单元格与下一个有效单元之间的距离。

1 个答案:

答案 0 :(得分:1)

似乎这就是诀窍:

transition = np.array(valid, dtype=float)
for i in range(valid.shape[0]):
    for j in range(valid.shape[1]):
        transition[i, j] = 0 if valid[i, j] else transition[i, j-1] + bGrid[j] - bGrid[j-1] if j > 0 else np.NAN