Question

我有以下数组

array = np.array([-0.5, -2, -1, -0.5, -0.25, 0, 0, -2, -1, 0.25, 0.5, 1, 2])

并希望应用两个阈值，以便将-1.0以下的所有值设置为1，将 -0.3以上的所有值设置为{{ 1}}。对于中间值，应遵循以下规则：如果最后一个值低于0，那么它应该是-1.0但如果最后一个值高于1，那么它应该是-0.3。

对于上面的示例数组，输出应为

0

如果多个连续值介于target = np.array([0, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0])和-1.0之间，那么它应该尽可能地返回，直到有一个高于或低于这两个阈值的值并相应地设置输出。

我试图通过迭代数组并在for循环中使用-0.3来找到下一个出现的值，但是它不能正常工作：

while

如何将两个阈值应用于我的阵列？如上所述？

Answer 1

您要实现的目标是＆＃34;带滞后的阈值＆＃34;。为此，我调整了this answer中非常好的算法：

鉴于您的测试数据，

import numpy as np
array = np.array([-0.5, -2, -1, -0.5, -0.25, 0, 0, -2, -1, 0.25, 0.5, 1, 2])

您检测到哪些值低于第一个阈值-1.0，哪些值高于第二个阈值-0.3：

low_values = array <= -1.0
high_values = array >= -0.3

这些是您了解结果的值：1或0。对于所有其他值，它取决于其邻居。因此，low_values或high_values为True的所有值都是已知的。您可以使用以下命令获取所有已知元素的索引：

known_values = high_values | low_values
known_idx = np.nonzero(known_values)[0]

要查找所有未知值的结果，我们使用known_values数组上的np.cumsum函数。布尔值被解释为0或1，因此这给出了以下数组：

acc = np.cumsum(known_values)

将为您的示例生成以下内容： [ 0 1 2 2 3 4 5 6 7 8 9 10 11]。现在，known_idx[acc - 1]将包含每个点的最后已知值的索引。使用low_values[known_idx[acc - 1]]，如果上一个已知值低于True，则会获得-1.0;如果高于False，则会获得-0.3：

result = low_values[known_idx[acc - 1]]

还有一个问题：如果初始值低于-1.0或高于-0.3，那么一切都很好。但如果它介于两者之间，那么它将取决于它的左邻居 - 它没有。因此，在您的情况下，您只需将其定义为零。

我们可以通过检查acc[0]是否等于0或1来实现。如果acc[0] = 1，则一切正常，但如果acc[0] = 0，则表示第一个值介于-1.0和-0.3之间，因此我们必须将其设置为零：

if not acc[0]:
    result[0] = False

最后，由于我们进行了大量的比较，我们的result数组是一个布尔数组。要将其转换为整数0和1，我们只需调用

result = np.int8(result)

我们得到了我们想要的结果：

array([0, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0], dtype=int8)

如何对NumPy数组应用下限和上限？

1 个答案: