我有一个2D数组（对于这个例子，实际上可以是ND），我想为其创建一个遮盖每行末尾的遮罩。例如：
np.random.seed(0xBEEF)
a = np.random.randint(10, size=(5, 6))
mask_indices = np.argmax(a, axis=1)
我想将mask_indices转换为布尔型掩码。目前，我想不出一种比
mask = np.zeros(a.shape, dtype=np.bool)
for r, m in enumerate(mask_indices):
mask[r, m:] = True
所以
a = np.array([[6, 5, 0, 2, 1, 2],
[8, 1, 3, 7, 1, 9],
[8, 7, 6, 7, 3, 6],
[2, 7, 0, 3, 1, 7],
[5, 4, 0, 7, 6, 0]])
和
mask_indices = np.array([0, 5, 0, 1, 3])
我想看
mask = np.array([[ True, True, True, True, True, True],
[False, False, False, False, False, True],
[ True, True, True, True, True, True],
[False, True, True, True, True, True],
[False, False, False, True, True, True]])
此操作是否有矢量化形式？
通常，除了定义索引点的维度外，我还希望能够在所有维度上做到这一点。
答案 0 :(得分：4)
要使n-dim数组沿行屏蔽，我们可以-
def mask_from_start_indices(a, mask_indices):
r = np.arange(a.shape[-1])
return mask_indices[...,None]<=r
样品运行-
In [177]: np.random.seed(0)
...: a = np.random.randint(10, size=(2, 2, 5))
...: mask_indices = np.argmax(a, axis=-1)
In [178]: a
Out[178]:
array([[[5, 0, 3, 3, 7],
[9, 3, 5, 2, 4]],
[[7, 6, 8, 8, 1],
[6, 7, 7, 8, 1]]])
In [179]: mask_indices
Out[179]:
array([[4, 0],
[2, 3]])
In [180]: mask_from_start_indices(a, mask_indices)
Out[180]:
array([[[False, False, False, False, True],
[ True, True, True, True, True]],
[[False, False, True, True, True],
[False, False, False, True, True]]])
对于沿通用轴遮罩的n维数组，它应该是-
def mask_from_start_indices_genericaxis(a, mask_indices, axis):
r = np.arange(a.shape[axis]).reshape((-1,)+(1,)*(a.ndim-axis-1))
mask_indices_nd = mask_indices.reshape(np.insert(mask_indices.shape,axis,1))
return mask_indices_nd<=r
样品运行-
数据数组设置：
In [288]: np.random.seed(0)
...: a = np.random.randint(10, size=(2, 3, 5))
In [289]: a
Out[289]:
array([[[5, 0, 3, 3, 7],
[9, 3, 5, 2, 4],
[7, 6, 8, 8, 1]],
[[6, 7, 7, 8, 1],
[5, 9, 8, 9, 4],
[3, 0, 3, 5, 0]]])
沿axis=1的索引设置和屏蔽-
In [290]: mask_indices = np.argmax(a, axis=1)
In [291]: mask_indices
Out[291]:
array([[1, 2, 2, 2, 0],
[0, 1, 1, 1, 1]])
In [292]: mask_from_start_indices_genericaxis(a, mask_indices, axis=1)
Out[292]:
array([[[False, False, False, False, True],
[ True, False, False, False, True],
[ True, True, True, True, True]],
[[ True, False, False, False, False],
[ True, True, True, True, True],
[ True, True, True, True, True]]])
沿axis=2的索引设置和屏蔽-
In [293]: mask_indices = np.argmax(a, axis=2)
In [294]: mask_indices
Out[294]:
array([[4, 0, 2],
[3, 1, 3]])
In [295]: mask_from_start_indices_genericaxis(a, mask_indices, axis=2)
Out[295]:
array([[[False, False, False, False, True],
[ True, True, True, True, True],
[False, False, True, True, True]],
[[False, False, False, True, True],
[False, True, True, True, True],
[False, False, False, True, True]]])
A。扩展到给定的结束/停止索引以进行掩盖
要扩展解决方案的适用范围，当我们获得用于屏蔽的结束/停止索引（即，我们希望对mask[r, :m] = True进行矢量化处理）时，我们只需要在发布的解决方案中将比较的最后一步编辑为以下内容-
return mask_indices_nd>r
B。输出整数数组
在某些情况下，我们可能希望获取一个int数组。在这些文件上，只需简单地查看输出即可。因此，如果out是发布解决方案的输出，那么我们可以分别对out.view('i1')和out.view('u1') dtype输出分别进行int8或uint8。
对于其他数据类型，我们需要使用.astype()进行dtype转换。
C。用于停止索引的包含索引的掩码
对于包含索引的掩码，即在停止索引的情况下要包括索引，我们需要在比较中简单地包含相等性。因此，最后一步将是-
return mask_indices_nd>=r
D。用于起始索引的索引专有屏蔽
在这种情况下，将给定起始索引，并且这些索引不会被屏蔽，而仅从下一个元素开始直至结束。因此，类似于上一节中列出的推理，对于这种情况，我们将最后一步修改为-
return mask_indices_nd<r
答案 1 :(得分：3)
>>> az = np.zeros(a.shape)
>>> az[np.arange(az.shape[0]), mask_indices] = 1
>>> az.cumsum(axis=1).astype(bool) # use n-th dimension for nd case
array([[ True, True, True, True, True, True],
[False, False, False, False, False, True],
[ True, True, True, True, True, True],
[False, True, True, True, True, True],
[False, False, False, True, True, True]])