考虑 numpy 2D整数数组,其中一些条目为0(array1)。考虑一个不同的2D数组(array2),其中第一列具有相同的非零值array1,另一列(比如索引2)具有不同的数值(浮点数)。
如何通过将array1中的每个非零条目替换为array2第2列的对应值来创建新的array3?你怎么做超级清洁?
示例:
>>> array1
array([[0, 27, 43, 10],
[0, 80, 15, 2],
[0, 3, 6, 9]])
>>> array2
array([[ 10., 4., 88.],
[ 2., 2., 95.],
[ 9., 2., 65.],
[ 43., 1., 62.],
[ 15., 5., 64.],
[ 6., 6., 67.],
[ 27., 5., 62.],
[ 80., 8., 73.],
[ 3., 9., 59.]])
>>> array3
array([[0., 62., 62., 88.],
[0., 73., 64., 95.],
[0., 59., 67., 65.]])
答案 0 :(得分:1)
您可以将boolean indexing与高级numpy数组索引一起使用:
array3 = array1.astype(float) # this copies the array by default.
array3[array1 != 0] = array2[array1[array1 != 0]-1, 2]
结果是:
array([[ 0, 62., 62., 88.],
[ 0, 73., 64., 95.],
[ 0, 59., 67., 65.]])
首先创建一个布尔数组,指示存在非零条目的位置:
>>> non_zero_mask = array1 != 0
array([[False, True, True, True],
[False, True, True, True],
[False, True, True, True]], dtype=bool)
这将用于查找应替换的元素。
然后你需要找到这些元素的值:
>>> non_zero_values = array1[non_zero_mask]
array([7, 4, 1, 8, 5, 2, 9, 6, 3])
由于您的array2
已订购并以值1开头,因此我们需要减去一个以找到替换值的相应行。如果您的array2
未排序,则可能需要对其进行排序或在其间进行另一次索引:
>>> replacement_rows = array2[non_zero_values-1]
array([[ 7., 7., 62.],
[ 4., 4., 62.],
[ 1., 1., 88.],
[ 8., 8., 73.],
[ 5., 5., 64.],
[ 2., 2., 95.],
[ 9., 9., 59.],
[ 6., 6., 67.],
[ 3., 3., 65.]])
>>> replacement_values = array2[non_zero_values-1, 2] # third element of that row!
array([ 62., 62., 88., 73., 64., 95., 59., 67., 65.])
然后只需将这些值分配给原始数组或新数组:
array3[non_zero_mask] = replacement_values
这种方法依赖于array2
的排序,因此如果有更复杂的条件,它将会中断。但是要么要求找到值和索引之间的关系并插入它而不是我做的简单-1
或者做另一个中间np.where
/布尔索引。
如果您没有排序的array2
并且无法对其进行排序,则可以执行以下操作:
>>> array3 = array1.astype(float)
>>> array3[array1 != 0] = array2[np.where(array2[:, 0][None, :] == array1[array1 != 0][:, None])[1], 2]
>>> array3
array([[ 0., 62., 62., 88.],
[ 0., 73., 64., 95.],
[ 0., 59., 67., 65.]])
因为这适用于相互广播数组,所以你将创建一个大小为array1.size * array1.size
的数组。所以这可能不是非常有效,但仍然完全矢量化。
numba非常棒,如果你想加快速度慢的东西,因为没有本地的numpy或scipy版本。如果您有anaconda或conda,它已经安装,因此它可能是一个可行的选择:
import numba as nb
import numpy as np
@nb.njit
def nb_replace_values(array, old_new_array):
res = np.zeros(array.shape, dtype=np.float64)
rows = array.shape[0]
columns = array.shape[1]
rows_replace_array = old_new_array.shape[0]
for row in range(rows):
for column in range(columns):
val = array[row, column]
# only replace values that are not zero
if val != 0:
# Find the value to replace the element with
for ind_replace in range(rows_replace_array):
if old_new_array[ind_replace, 0] == val:
# Match found. Replace and break the innermost loop
res[row, column] = old_new_array[ind_replace, 2]
break
return res
nb_replace_values(array1, array2)
array([[ 0., 62., 62., 88.],
[ 0., 73., 64., 95.],
[ 0., 59., 67., 65.]])
特别是对于大型阵列,这显然是最快且内存效率最高的解决方案,因为不会创建临时阵列。第一次调用会慢得多,因为函数需要动态编译。
%timeit nb_replace_values(array1, array2)
100000个循环,最佳3:每个循环6.23μs
%%timeit
array3 = array1.astype(float)
array3[array1 != 0] = array2[np.where(array2[:, 0][None, :] == array1[array1 != 0][:, None])[1], 2]
10000个循环,最佳3:每循环74.8μs
# Solution provided by @PDRX
%%timeit
array3 = array1.astype(float)
for i in array2[:,0]:
i_arr1,j_arr1 = np.where(array1 == i)
i_arr2 = np.where(array2[:,0] == i)
array3[i_arr1,j_arr1] = array2[i_arr2,2]
1000个循环,最佳3:689μs/循环
答案 1 :(得分:-1)
我不确定我是否了解您的要求,但让我们尝试使用list comprehensions:
array3 = [[array2[subitem1 - 1][2] if subitem1 != 0 else 0 for subitem1 in subarray1] for subarray1 in array1]
但它很难读,我更喜欢它表:
array3 = [
[
array2[subitem1 - 1][2] if subitem1 != 0 else 0
for subitem1 in subarray1
]
for subarray1 in array1
]