Question

我有一个4000 * 6的numpy数组（6列）。我有一个最小值的numpy栏（1 * 6）（由另一个3000 * 6的numpy数组制成）。我想在大数组中找到低于这些值的所有内容。但每个值都是对应的列。

我已经基于一种单列解决方案尝试了简单的方法：

largearray=[float('nan') if x<min_values else x for x in largearray]

但可惜的是它没有用：（。

我可以为每个列和每个值做一个for循环，但是我想知道是否有一个更快，更优雅的解决方案。

谢谢

编辑：我将尝试改写：我有6个值和6列。我想在每列中找到比6个值低的值。所谓数组，是指二维数组。抱歉，如果不清楚

抱歉，我还在Matlab中思考。

这是我的循环解决方案。在df上，而不是numpy。还有，有没有更快的方法？

a=0
for y in dfnames:
    df[y]=[float('nan') if x<minvalues[a] else x for x in df[y]]
    a=a+1

df是大数组或数据框 dfnames是我感兴趣的列名称。 minvalues是每列的最小值。我假设顺序是一样的。不好的假设，但目前可以使用。

将感谢您为它做得更好的任何帮助

Answer 1

我认为您只需要

result = largearray.copy()
result[result < min_values] = np.nan

也就是说，result是largearray的副本，但是小于min_values相应列的ay元素被设置为nan。

如果仅当该行中的所有条目都小于min_values的相应列时才想清空整个行，则您需要：

result = largearray.copy()
result[np.all(result < min_values, axis=1)] = np.nan

Answer 2

我不使用numpy，因此它可能不是常用的解决方案，而是这样的工作：

largearray = numpy.array([[1,2,3], [3,4,5]])
minvalues =numpy.array([3,4,5])
largearray1=[(float('nan') if not numpy.all(numpy.less(x, min_values)) else x) for x in largearray]

结果应为：[[1,2,3]，'nan']

有效地将每一列比较为不同的值

2 个答案: