Question

我有一个二维数组，它有很多行（超过5000行）。

为简单起见，假设A是我矩阵的简单版本

A=([[1,2,2,3,3,3],
   [[2,1,1,7,7,7],
   [[4,4,1,1,1,1]])

现在，A只有3行：

第一行具有3个值：1、2、3、3。

第二行具有3个值，一个2，两个1，三个7。

最后一行有2个值，两个4，四个1。

现在我可以轻松找到每一行的多数值：

第一行是3，第二行是7，第三行是1。（意味着我的代码已经找到每行的多数值并将其存储为[3,7,1]）

每行的第二和第三多数值也很容易找到，对于第二多数值，第一行是2，第二是1，第三是4。（这意味着我的代码已经找到每一行第二多数值并存储它们为[2,1,4]）。

对于第三，第四，第五...多数值，仍然很容易找到。

我想做的是将每行第一多数值设置为0，第二多数值设置为-1，第三多数值（如果存在）设置为-2 ....，该怎么做？

设置方式：

A=([[-2,-1,-1,0,0,0],
   [[-2,-1,-1,0,0,0],
   [[-1,-1,0,0,0,0]])

A只是一个简单的实例。我的矩阵有很多行。

那么，如何更轻松，更有效地执行此操作？

我不想编写for循环来为每一行设置值。

（意味着我可以做A [0，A [0，：] == 3] = 0，A [1，A [1，：] == 7] = 0，A [2，A [2，：] == 1] = 0，但这太复杂了

我想要的是这样的表格：

A[:,A[:,:]==[3,7,1]]=0

A[:,A[:,:]==[2,1,4]]=-1


A[:,A[:,:]==[1,2]]=-2

但是numpy没有此功能。

有人可以给我一种有效的方法吗？非常感谢你！

Answer 1

这是一种方法-

# https://stackoverflow.com/a/46256361/ @Divakar
def bincount2D_vectorized(a):    
    N = a.max()+1
    a_offs = a + np.arange(a.shape[0])[:,None]*N
    return np.bincount(a_offs.ravel(), minlength=a.shape[0]*N).reshape(-1,N)

binsum = bincount2D_vectorized(A)
m,n = A.shape[0],binsum.shape[1]

index = np.empty((m,n), dtype=int)
sort_idx = binsum.argsort(1)[:,::-1]
index[np.arange(m)[:,None], sort_idx] = np.arange(0,-n,-1)
out = index[np.arange(m)[:,None],A]

numpy，更改数组的行值，每行满足不同的条件

1 个答案: