Question

我有一个存储为ndarray的m×n矩阵。它本质上是一个时间序列，时间为行（有序），各种不同的数据流为列。我的第一个目标是确定任何这些列过零的点（＆＃34;交叉点＆＃34;），这是我完成的：

crossings = (np.diff(np.sign(original_matrix), axis=0) != 0)*1

完成此操作后，我现在有了一个新的（稀疏）矩阵，在所有交叉点都有1s。我需要做的是取两个交叉点之间的原始矩阵的每个切片的总和。

具体来说，如果一列有i个交叉点，我需要返回列中的值之和，因为交叉i除以交叉i-1和交叉i-2之间的列中的值之和。如果没有交叉点，我需要返回0.

我看过boolean mask和sum.reduceat作为解决方案，看起来很有成效。但我对如何开始感到有些困惑。

更新

这是一个简化的例子（实际上矩阵将更像1000 x 1000）

#original matrix:

[[0.5, 0.5, 0.5],
 [0.5, -0.5, 0.5],
 [-0.5, 0.5, 0.5],
 [0.5, 0.5, 0.5],
 [0.5, -0.5, 0.5],
 [0.5, -0.5, 0.5]
]

#crossings:
crossings = (np.diff(np.sign(original_matrix), axis=0) != 0)*1

[[0, 0, 0],
 [0, 1, 0],
 [1, 1, 0],
 [1, 0, 0],
 [0, 1, 0],
 [0, 0, 0]
]

因此，对于第一列，我需要最后三行[3：5]的总和除以行[2]的值。对于第二列，我需要行[4：5]的总和除以行的总和[2：3]。对于第三列，我返回零。

我意识到我可以使用以下方法获取所有交叉点的索引：

indices = np.transpose(np.nonzero(crossings))

array([[1, 1],
       [2, 0],
       [2, 1],
       [3, 0],
       [4, 1]])

但是我很难弄清楚如何从这些指数转到sum.reduceat步骤。

对numpy ndarray变量切片求和

0 个答案: