通过使用先前的值填充中间的值来增加数组的大小

时间:2018-11-26 20:01:19

标签: python numpy

我有一个大小为19的数组。我想将其大小增加到30(new_array)。

size =len(VM)    
index = np.linspace(1,size,size)/size
index30 = np.linspace(1,30,30)/30
new_array = np.empty(shape=30)

VM是大小为19的数组

索引

[0.05263158 0.10526316 0.15789474 0.21052632 0.26315789 0.31578947
 0.36842105 0.42105263 0.47368421 0.52631579 0.57894737 0.63157895
 0.68421053 0.73684211 0.78947368 0.84210526 0.89473684 0.94736842
 1.        ]

index30

[0.03333333 0.06666667 0.1        0.13333333 0.16666667 0.2
 0.23333333 0.26666667 0.3        0.33333333 0.36666667 0.4
 0.43333333 0.46666667 0.5        0.53333333 0.56666667 0.6
 0.63333333 0.66666667 0.7        0.73333333 0.76666667 0.8
 0.83333333 0.86666667 0.9        0.93333333 0.96666667 1.        ]

要填充new_array:

如果我们考虑索引数组0.05263158 0.10526316的前两个元素,则这两个值之间的index30数组的所有值,它们在new_array中的对应位置应用与值的位置对应的VM数组的值填充索引数组中的0.05263158等。 我可以使用for循环来执行此操作,但是我正在寻找更有效的方法来执行此操作?。

输入:

[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

预期输出:

[nan,1,1,2,3,3,4,5,5,6,6,7,8,8,9,10,10,11,12,12,13,13,14,15,15,16,17,17,18,19]

2 个答案:

答案 0 :(得分:3)

编辑:您可以使用np.piecewise。用np.less_equalnp.outer来创建condlistnp.append的{​​{1}}到nan来创建VM的值为:

funclist

如果您愿意使用new_array = np.piecewise( x = index30, condlist = np.less_equal.outer(indexVM, index30), funclist = np.append(VM,np.nan)) ,请使用方法pandas进行reindex

'ffill'

答案 1 :(得分:1)

您可以使用布尔掩码确定旧数组中的值可以插入到新数组中的位置。这比for循环要快,方法是在索引中创建np.newaxis,然后创建np.argwhere(mask)以获得从旧数组到新数组的映射的相关矩阵。

import numpy as np

VM = np.arange(1, 20)
size =len(VM)
index = np.linspace(1,size,size)/size
index30 = np.linspace(1,30,30)/30
new_array = np.empty(30)

mask = index30[:, np.newaxis] >= index[np.newaxis, :]
mask[:,:-1] = np.logical_and(
        mask[:,:-1],
        index30[:, np.newaxis] < index[np.newaxis, 1:]
    )

index_map = np.argwhere(mask)
new_array[index_map[:,0]] = VM[index_map[:,1]]
print(new_array)

此代码的输出是

[4607182418800017408  1  1  2  3  3  4  5  5  6  6  7  8  8  9 10 10 11 12 12 13 13 14 15 15 16 17 17 18 19]

其中第一个数字是空数组中的未初始化值。

请注意,仅通过简单操作无法完全获取索引图

index_map = np.argwhere(np.logical_and(
    index[np.newaxis, :-1] <= index30[:, np.newaxis],
    index[np.newaxis, 1:] > index30[:, np.newaxis]
))

,因为它将省略最后一个条目。由于np.logical_and中的两个参数必须具有相同的维数,因此我们需要第二条语句来操作掩码。