说我有以下numpy array
:
a = np.array([[1.0, 2.0, 3.0], [1.0, 2.0, 3.0], [1.0, 2.0, 3.0]])
我希望累积和数如下:
a.cumsum(axis=1)
array([[ 1., 3., 6.],
[ 1., 3., 6.],
[ 1., 3., 6.]])
有没有办法用三角形数组/矩阵做同样的事情?
b = np.array([[1.0, 2.0, 3.0], [2.0, 3.0], [3.0]])
基本上是以下结果:
array([[1.0, 2.0, 3.0], [2.0, 5.0], [3.0]], dtype=object)
我尝试了以下操作,但收到以下错误消息:
b.cumsum(axis=1)
Traceback (most recent call last):
File "C:\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2881, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-76-831556b68f3f>", line 1, in <module>
b.cumsum(axis=1)
ValueError: axis(=1) out of bounds
我是否应该尝试重新定义b
以获得nan
值?我想避免在我的较小数组的末尾添加零(我的真实数组可能包含零,这对我来说不同于根本没有值)。
答案 0 :(得分:3)
这个问题是基于错误的前提。在NumPy中没有三角形数组这样的东西,所以询问如何找到累积的一些是没有意义的。如果你写
b = np.array([[1.0, 2.0, 3.0], [2.0, 3.0], [3.0]])
您获得array([object, object, object])
类型的一维数组。这里没有矩阵结构,没有轴可以交换,没有ufuncs可以应用,真的没有NumPy相关。只是一堆Python对象碰巧是Python列表(它们不是NumPy数组)。
通过NaN表示缺失值是常见的事情。
row_list = [[1.0, 2.0, 3.0], [2.0, 3.0], [3.0]]
max_length = max([len(row) for row in row_list])
b = np.array([row + [np.nan]*(max_length - len(row)) for row in row_list])
现在b
是一个诚实的float-datatype NumPy数组,你可以应用cumsum
或其他任何数组。
b.cumsum(axis=1)
返回
array([[ 1., 3., 6.],
[ 2., 5., nan],
[ 3., nan, nan]])
这种更复杂的东西有masked array
模块,但NaN-padding适用于不规则矩阵的基本操作。人们可以做的其他事情:
np.nansum(b, axis=1) # sum, ignoring NaN
np.nanmean(b, axis=1) # mean, ignoring NaN
np.isnan(b) # find where NaN are in the array