Question

我有两个numpy数组A和B。我想创建数组Ap和Bp，以便Ap和Bp都是A和B的所有元素，其中至少有A和B {1}}或A = [ 1.1, 0.0, 3.1, 4.1, 5.1, 0.0, 0.0, 8.1 ] B = [ 0.0, 2.2, 3.2, 4.2, 0.0, 0.0, 7.2, 8.2 ]非零，或者，两者都不为零。一个例子可能是：

Ap = [ 1.1 0.0 3.1 4.1 5.1 0.0 8.1 ]
Bp = [ 0.0 2.2 3.2 4.2 0.0 7.2 8.1 ]

然后在我要生成的一个函数中：

Ap = [ 3.1 4.1 8.1 ]
Bp = [ 3.2 4.2 8.1 ]

在另一个我想要生成：

(A,B)

现在我正在审视每个元素，但我觉得应该有更好/更快的方式。

更新

我有一个调用[nx,ny,3]的函数，它们是numpy个tA = np.copy(A) tB = np.copy(B) tA = tA.flatten() tB = tB.flatten() Aeq0 = tA==0 Beq0 = tB==0 Ano0 = A!=0 Bno0 = B!=0 As = tA[ Ano0 | Bno0 ] Bs = tB[ Ano0 | Bno0 ]个数组。然后我打电话给以下人员：

As = tA[ Ano0 | Bno0 ]

它死于{{1}}

Answer 1

你使用蒙面索引来实现这一点。

A = np.asarray(A)
B = np.asarray(B)

ind1 = A!=0
ind2 = B!=0

然后，要实现第一种情况（|是＆＃34;或＆＃34;运算符）：

case1 = ind1 | ind2 
Ap = A[case1]
Bp = A[case1]

而对于第二种情况（&是＆＃34;和＆＃34;运营商）：

case2 = ind1 & ind2 
Ap = A[case2]
Bp = A[case2]

Answer 2

您可以使用array.T创建数组列的二维数组，并在np.logical_or中使用np.where：

>>> np.array((A,B)).T[np.where(np.logical_or(A,B))[0]]
array([[ 1.1,  0. ],
       [ 0. ,  2.2],
       [ 3.1,  3.2],
       [ 4.1,  4.2],
       [ 5.1,  0. ],
       [ 0. ,  7.2],
       [ 8.1,  8.2]])

另一种情况是在np.logical_and中使用np.where：

>>> np.array((A,B)).T[np.where(np.logical_and(A,B))[0]]
array([[ 3.1,  3.2],
       [ 4.1,  4.2],
       [ 8.1,  8.2]])

过滤我们的矩阵元素，其中/ both / both都不是非零的？

2 个答案: