Question

我有一个像这样的数组，想返回值超过0.6的阈值的每一行的列号：

X = array([[ 0.16,  0.40,  0.61,  0.48,  0.20],
        [ 0.42,  0.79,  0.64,  0.54,  0.52],
        [ 0.64,  0.64,  0.24,  0.63,  0.43],
        [ 0.33,  0.54,  0.61,  0.43,  0.29],
        [ 0.25,  0.56,  0.42,  0.69,  0.62]])

结果将是：

[[2],
[1, 2],
[0, 1, 3],
[2],
[3, 4]]

有没有比双循环更好的方法了？

def get_column_over_threshold(data, threshold):
    coolumn_numbers = [[] for x in xrange(0,len(data))]
    for sample in data:
        for i, value in enumerate(data):
            if value >= threshold:
                coolumn_numbers[i].extend(i)
    return topic_predictions

Answer 1

使用np.where获取行索引和col索引，然后使用带有np.split的索引获取列索引的列表作为数组输出-

In [18]: r,c = np.where(X>0.6)

In [19]: np.split(c,np.flatnonzero(r[:-1] != r[1:])+1)
Out[19]: [array([2]), array([1, 2]), array([0, 1, 3]), array([2]), array([3, 4])]

为了使其更通用，可以处理没有任何匹配的行，我们可以遍历从np.where获得的列索引，然后将其分配给初始化数组，就像这样-

def col_indices_per_row(X, thresh):
    mask = X>thresh
    r,c = np.where(mask)
    out = np.empty(len(X), dtype=object)
    grp_idx = np.r_[0,np.flatnonzero(r[:-1] != r[1:])+1,len(r)]
    valid_rows = r[np.r_[True,r[:-1] != r[1:]]]
    for (row,i,j) in zip(valid_rows,grp_idx[:-1],grp_idx[1:]):
        out[row] = c[i:j]     
    return out

样品运行-

In [92]: X
Out[92]: 
array([[0.16, 0.4 , 0.61, 0.48, 0.2 ],
       [0.42, 0.79, 0.64, 0.54, 0.52],
       [0.1 , 0.1 , 0.1 , 0.1 , 0.1 ],
       [0.33, 0.54, 0.61, 0.43, 0.29],
       [0.25, 0.56, 0.42, 0.69, 0.62]])

In [93]: col_indices_per_row(X, thresh=0.6)
Out[93]: 
array([array([2]), array([1, 2]), None, array([2]), array([3, 4])],
      dtype=object)

Answer 2

对于每一行，您可以要求元素大于0.6的索引：

result = [where(row > 0.6) for row in X]

这将执行您想要的计算，但是result的格式有点不方便，因为在这种情况下where的结果是大小为1的tuple，包含NumPy数组与索引。我们可以将where替换为flatnonzero以直接获取数组而不是元组。为了获得列表列表，我们将这个数组显式转换为列表：

result = [list(flatnonzero(row > 0.6)) for row in X]

（在上面的代码中，我假设您使用过from numpy import *）

获取大于2D numpy数组中阈值的元素的列数

2 个答案: