Question

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)

将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＆＃34;旅行距离＆＃34;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.argmax和np.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。

Answer 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

计算＆＃34;距离矩阵＆＃34;

一些预期的输出

1 个答案: