我有一个2维数组和一个1维数组,如下所示。我想做的是用2-d和1-d数组的乘积来填充2-d数组中的空白-可能最简单的示例如下:
all_holdings = np.array([[1, 0, 0, 2, 0],
[2, 0, 0, 1, 0]]).astype('float64')
sub_holdings = np.array([0.2, 0.3, 0.5])
我希望获得期望的结果:
array([[1. , 0.2, 0.3, 2. , 1. ],
[2. , 0.4, 0.6, 1. , 0.5]])
即,(此处显示工作原理):
array([[1., 1*0.2, 1*0.3, 2, 2*0.5],
[2., 2*0.2, 2*0.3, 1, 1*0.5]])
有人能想到一种相对较快,最好是矢量化的方法来做到这一点吗?我必须在多个2维数组上重复运行此计算,尽管始终在2维数组上的同一位置使用空格。
提前(和之后)感谢
答案 0 :(得分:1)
In [76]: all_holdings = np.array([[1, 0, 0, 2, 0],
...: [2, 0, 0, 1, 0]]).astype('float64')
...: sub_holdings = np.array([0.2, 0.3, 0.5])
具有一个迭代级别:
In [77]: idx = np.where(all_holdings[0,:]==0)[0]
In [78]: idx
Out[78]: array([1, 2, 4])
In [79]: res = all_holdings.copy()
In [80]: for i,j in zip(idx, sub_holdings):
...: res[:,i] = res[:,i-1]*j
...:
In [81]: res
Out[81]:
array([[1. , 0.2 , 0.06, 2. , 1. ],
[2. , 0.4 , 0.12, 1. , 0.5 ]])
糟糕,res[:,2]
列是错误的;我需要使用idx-1
以外的其他东西。
现在,我可以更好地将动作形象化。例如,所有新值是:
In [82]: res[:,idx]
Out[82]:
array([[0.2 , 0.06, 1. ],
[0.4 , 0.12, 0.5 ]])
好的,我需要一种将每个idx
值与正确的非零列正确配对的方法。
In [84]: jdx = np.where(all_holdings[0,:])[0]
In [85]: jdx
Out[85]: array([0, 3])
这不会削减。
但是假设我们有一个合适的jdx
。
In [87]: jdx = np.array([0,0,3])
In [88]: res = all_holdings.copy()
In [89]: for i,j,v in zip(idx,jdx, sub_holdings):
...: res[:,i] = res[:,j]*v
...:
In [90]: res
Out[90]:
array([[1. , 0.2, 0.3, 2. , 1. ],
[2. , 0.4, 0.6, 1. , 0.5]])
In [91]: res[:,idx]
Out[91]:
array([[0.2, 0.3, 1. ],
[0.4, 0.6, 0.5]])
我没有迭代就得到了相同的值:
In [92]: all_holdings[:,jdx]*sub_holdings
Out[92]:
array([[0.2, 0.3, 1. ],
[0.4, 0.6, 0.5]])
In [94]: res[:,idx] = res[:,jdx] *sub_holdings
In [95]: res
Out[95]:
array([[1. , 0.2, 0.3, 2. , 1. ],
[2. , 0.4, 0.6, 1. , 0.5]])
因此,找到正确的jdx
数组的关键。我由你决定!