Question

我有一个二维数组

X
array([[2, 3, 3, 3],
       [3, 2, 1, 3],
       [2, 3, 1, 2],
       [2, 2, 3, 1]])

和一维数组

y
array([1, 0, 0, 1])

对于X的每一行，我想找到X值为最低且y值为1的列索引，并将第三矩阵中对应的行列对设置为1

例如，在X的第一行的情况下，对应于最小X值（仅对于第一行）且y = 1的列索引为0，则我希望Z [0,0] = 1并所有其他Z [0，i] = 0。类似地，对于第二行，列索引0或3给出了y = 1的最低X值。然后我希望Z [1,0]或Z [1,3] = 1（最好Z [1,0] = 1，所有其他Z [1，i] = 0，因为第一个出现0列）

我最后的Z数组看起来像

Z
array([[1, 0, 0, 0],
       [1, 0, 0, 0],
       [1, 0, 0, 0],
       [0, 0, 0, 1]])

Answer 1

一种方法是使用屏蔽数组。

import numpy as np

X = np.array([[2, 3, 3, 3],
              [3, 2, 1, 3],
              [2, 3, 1, 2],
              [2, 2, 3, 1]])

y = np.array([1, 0, 0, 1])
#get a mask in the shape of X. (True for places to ignore.)
y_mask = np.vstack([y == 0] * len(X))

X_masked = np.ma.masked_array(X, y_mask)

out = np.zeros_like(X)

mins = np.argmin(X_masked, axis=0)
#Output: array([0, 0, 0, 3], dtype=int64)

#Now just set the indexes to 1 on the minimum for each axis.
out[np.arange(len(out)), mins] = 1

print(out)
[[1 0 0 0]
 [1 0 0 0]
 [1 0 0 0]
 [0 0 0 1]]

Answer 2

您可以使用numpy.argmin()来获取X每行的最小值索引。例如：

import numpy as np
a = np.arange(6).reshape(2,3) + 10
ids = np.argmin(a, axis=1)

类似地，您可以使用numpy.nonzero或numpy.where来索引y为1的索引。一旦有了两个索引数组，就可以很容易地在第三个数组中设置值。

Numpy根据另一个数组的值分配一个数组值，并根据向量选择列

2 个答案: