Question

说，我有一个由20个元素组成的2D numpy数组，例如：

arr = np.array([[1, 2, 15, 7],[9, 11, 17, 19],[5, 7, 5, 8],[19, 4, 1, 45],[10, 7, 14, 8]])

和其他数组：

to_zero = np.array([0, 2, 1, 3, 2])

现在，对于每一行i，我想使最后to_zero[i]个元素等于零，因此最终我们将得到以下结果：

res = np.array([[1, 2, 15, 7],[9, 11, 0, 0],[5, 7, 5, 0],[19, 0, 0, 0],[10, 7, 0, 0]])

我想在很大的阵列上执行此操作。有没有办法向量化此操作，没有循环，也没有辅助数组？

Answer 1

使用broadcasted-comparison屏蔽那些尾随的掩码，然后屏蔽输入-

In [63]: r = np.arange(arr.shape[1])[::-1]

In [66]: mask = to_zero[:,None]>r

In [69]: mask # mask of trailing places to be reset in input
Out[69]: 
array([[False, False, False, False],
       [False, False,  True,  True],
       [False, False, False,  True],
       [False,  True,  True,  True],
       [False, False,  True,  True]])

In [67]: arr[mask] = 0

In [68]: arr
Out[68]: 
array([[ 1,  2, 15,  7],
       [ 9, 11,  0,  0],
       [ 5,  7,  5,  0],
       [19,  0,  0,  0],
       [10,  7,  0,  0]])

使用r可以代替np.arange(arr.shape[1]-1,-1,-1)。

或者使用元素逐个乘法来获得最终输出：arr*~mask。

或用 flipped-comparison 构造 flipped-mask ，然后相乘-

In [75]: arr*(to_zero[:,None]<=np.arange(arr.shape[1]-1,-1,-1))
Out[75]: 
array([[ 1,  2, 15,  7],
       [ 9, 11,  0,  0],
       [ 5,  7,  5,  0],
       [19,  0,  0,  0],
       [10,  7,  0,  0]])

对于大型阵列，请在numexpr中使用多核-

In [78]: import numexpr as ne

In [79]: ne.evaluate('arr*mask',{'mask':to_zero[:,None]<=np.arange(arr.shape[1]-1,-1,-1)})
Out[79]: 
array([[ 1,  2, 15,  7],
       [ 9, 11,  0,  0],
       [ 5,  7,  5,  0],
       [19,  0,  0,  0],
       [10,  7,  0,  0]])

在numpy 2D数组上-如何在N行变化时将每行的最后N个数组元素设置为零

1 个答案: