import numpy as np
from itertools import product
N = 3
P = 13
A = np.random.random_sample((P, N))
heh = product(range(1,4), repeat=13)
mymat = np.array([letters for letters in heh], dtype=np.float)
for i in range(0,len(mymat)):
for j in range(0,(mymat.shape[1])):
if(mymat[i,j] == 1):
mymat[i,j] = A[j, 0]
if(mymat[i,j] == 2):
mymat[i,j] = A[j, 1]
if(mymat[i,j] == 3):
mymat[i, j] = A[j, 2]
我意识到嵌套的for循环不是最优的,if语句可能几乎一样糟糕。 我一直在尝试使用':'而不是' i'对于行索引。还尝试过:
mymat[mymat[:,i]==1] = A[i,0]
虽然它没有用,但在R中我刚刚使用过:
a <- letters[1:3]
eg <- expand.grid(a,a,a,a,a,a,a,a,a,a,a,a,a)
for (i in 1:ncol(eg)) {
eg[,i] <- as.character(eg[,i])
eg[,i][eg[,i] == "a"] = mat[i,1]
eg[,i][eg[,i] == "b"] = mat[i,2]
eg[,i][eg[,i] == "c"] = mat[i,3]
eg[,i] <- as.numeric(eg[,i])
}
一直试图将其翻译成python,但却无法让它足够快地运行。
答案 0 :(得分:1)
您可以使用where
语句进行广播;例如:
for col, val in enumerate([1, 2, 3]):
i, j = np.where(mymat == val)
mymat[i, j] = A[j, col]
编辑:有一个更快的方法来实现这一点,通过利用你给出的例子中的值,这些值到处比索引大1:
mymat = A[np.arange(mymat.shape[1]), mymat.astype(int) - 1]
这利用了一个事实,即使用数组索引返回的结果是索引数组的形状。