Question

这是我的代码：

import numpy as np

OPEN = np.full((10, 2), np.inf)
CLOSED = np.zeros_like(OPEN, dtype = np.int)

OPEN[0][0] = 0.0
OPEN[0][1] = 1.0
OPEN[1][0] = 1.0
CLOSED[0][0] = 1

print("OPEN:")
print(OPEN)
print("")
print("CLOSED:")
print(CLOSED)
print("-------")

# Some magic here:

# Expected output:
print("Expected Output:")
print("[1, 0] or [0, 1]")
print("-------")

# Useful function - find the minimum value in an array:
min_in_OPEN = np.unravel_index(OPEN.argmin(), OPEN.shape)
min_in_OPEN = [min_in_OPEN[0],
               min_in_OPEN[1]] # just foe better representation

print("Current Output:")
print(min_in_OPEN)

这是代码的输出：

OPEN:
[[ 0.  1.]
 [ 1. inf]
 [inf inf]
 [inf inf]
 [inf inf]
 [inf inf]
 [inf inf]
 [inf inf]
 [inf inf]
 [inf inf]]

CLOSED:
[[1 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]
 [0 0]]
-------
Expected Output:
[1, 0] or [0, 1]
-------
Current Output:
[0, 0]

如代码所解释的，我需要获取数组“ OPEN”中最小值的索引，其中在列表“ CLOSED”中使用的相同索引指向“ 0”而不是“ 1”

不能将列表OPEN中的值更改为其他值/数据类型，但可以将列表CLOSED中的值更改为其他值/数据类型。例如，CLSOED列表也可能看起来像这样：

[[ True False]
 [False False]
 [False False]
 [False False]
 [False False]
 [False False]
 [False False]
 [False False]
 [False False]
 [False False]]

Answer 1

您可以通过将第一个数组（OPEN）约束到希望第二个数组（CLOSED）为真的位置来实现此目的：

constrained = OPEN[CLOSED!=1]

，然后使用argmin()找到最小值的第一个位置：

pos = constrained.argmin()

唯一的问题是constrained是一维数组，这意味着您需要将pos映射回原始OPEN中的索引对。您可以使用np.where()进行此操作，这将返回满足条件的索引数组的元组：

valid_positions = np.where(CLOSED!=1)

将此元组转换为数组并用pos对其进行索引将为您提供与pos相对应的索引对：

idx = np.asarray(valid_positions)[:,pos]

查找数组中最小值的索引，其中相同的索引指向另一个数组中的零

1 个答案: