在numpy数组

Question

import numpy as np

mat_a = np.random.random((5, 5))
mat_b = np.random.random((5, 5))
mat_c = np.random.random((5, 5))

假设对于特定的网格单元，3个数组中相同位置的值如下：
mat_a, A = 0.3
mat_b, B = 0.2
mat_c, C = 0.1

在这里，我们发现数值最小的数组，在这种情况下它是C

1. 我们计算C应分配给B 0.1 * (0.2/ (0.2 + 0.3))的数量，即C中的单元格值乘以{{1}的分数} B为total。新计算的值存储在名为A + B

的2D数组中

2. 同样，应分配给C_B的{​​{1}}金额为C。新计算的值存储在名为A的{​​{1}}数组中。

3. 我们对数组0.1 * (0.3/(0.2 + 0.3))中值最小的单元格重复此过程，将新计算的结果分别存储在2D数组C_A和B中。< / p>

4. 我们对数组2D中值最小的单元格重复此过程，将新计算的结果分别存储在B_C数组B_A和A中。< / p>

我能想到这样做的唯一方法是使用嵌套for循环，但这对于较大的数组而言并不是非常pythonic。有快速和pythonic的解决方案吗？

- 编辑

2D应包含0，其中A_C不包含最小值

Answer 1

一种解决方案是计算所有值，用零替换不需要的值。

mat_a = np.random.random((5, 5))
mat_b = np.random.random((5, 5))
mat_c = np.random.random((5, 5))
bigmat = np.stack((mat_a, mat_b, mat_c)) # this is a 3, 5, 5 array
minima = np.argmin(bigmat, axis=0) # contains a 5x5 array of 0,1,2 for a,b,c respectively
c_a = mat_c * mat_a / (mat_b + mat_c)
c_a[minima != 2] = 0

您可以为其他5个答案阵列重复此操作。或者，您也可以这样做：

c_a = np.zeros((5,5))
c_a[minima == 2] = (mat_c * mat_a / (mat_b + mat_c))[minima == 2]