Question

我正在使用一个（numpy）整数数组来记录数据数组的潜在问题。概念是每种错误类型都有其自己的整数值，并且将其设置为

Process.Start("sample.dot")

我认为，通过这种方式，我可以将这些错误类型添加到整数日志记录数组中，并且仍然知道由错误组成的值是什么？因此，如果结束数组的值为7，我知道它必须由1 + 2 + 4组成-即err1，err2和err3。

在当时，这一切看起来都很聪明，但是我现在需要生成一个布尔数组，告诉我哪些单元记录了给定的错误。因此，例如，如果我的错误数组为

err1 = 1
err2 = 2 ** 1
err3 = 2 ** 2
...
errx = 2 ** x

我想得到结果

test_arr = np.array(
    [[1, 5, 19],
     [3, 4, 12]]
)

因为值4组成了值5和4，但没有其他值。我已经为单个值开发了一种迭代解决方案，但是那样对矢量化计算效果不佳（实际数组很大）。有人可以提出建议吗？我觉得这里没有更简单的东西。

谢谢！

Answer 1

您应该研究按位运算。这样一来，您就可以在一个连接值中编码多个不同的数字，例如以下代码段的输出

a = (3 << 24) + (8 << 16) + 5 
print (a)

print(a>>24 & 0xf)
print(a>>16 & 0xf)
print(a & 0xf)

看起来像这样：

现在，如果您尝试使用它，则可以对任意数量的变量进行编码，只要确保为每个变量提供足够的位以覆盖该变量的最大可能值-单个变量的溢出会损坏您的数据。

现在，当您需要比较触发了哪些错误时，必须对特定错误的位掩码（位置）进行检查，您将很容易知道该特定错误是否已注册。

在我看来，对于您的问题，您只需要知道发生了哪些错误，而无需保存错误代码。然后，您可以采用一种简化的方案，其中每个错误保留1位，并在代码中保留bit->error映射。

最后，当您要显示触发了哪些错误时，只需要获取编码数字的二进制值，然后将1转换为True，将0转换为False。

Answer 2

我可能有解决方案，请检查是否适合您

>>> func = lambda x,y: bin(y)[-x] == u'1' if y >= 2**(x-1) else False
>>> func_vec = np.vectorize(func)
>>> check_for_error = 3 # to check err3 = 2**2 = 4
>>> func_vec(check_for_error, test_arr)
array([[False,  True, False],
       [False,  True,  True]])
>>> check_for_error = 4 # to check err4 = 2**3 = 8
>>> func_vec(check_for_error, test_arr)
array([[False, False, False],
       [False, False,  True]]) # only true for 12 (= 8 + 4)

逻辑是，当一个数字是二元数时，如果以二进制形式检查1 s的索引，则可以发现使用二的幂来构造数字。

如果要在将错误加到电源后检查错误，例如，如果要检查8，即2 ** 3，则可以使用以下功能：

import numpy as np
import math
test_arr = np.array(
    [[1, 5, 19],
     [3, 4, 12]]
)
func = lambda x,y: bin(y)[-int(math.log(x,2))] == u'1' if y >= x else False
func_vec = np.vectorize(func)
check_for_error = 8
print(func_vec(check_for_error, test_arr))

输出：

[[False False False]
 [False False  True]]   # checking for 8. 8 found in 12 (= 8 + 4)

编辑： 一种找出构成数字的所有错误的方法：

>>> test_arr = 
np.array([[ 1,  5, 19],
         [ 3,  4, 12],
         [ 7, 27, 59]])
>>> func = lambda x: ','.join([str(2**i) for i,j in enumerate(reversed(bin(x))) if j==u'1'])
>>> func_vec = np.vectorize(func)
>>> func_vec(test_arr)
array([['1', '1,4', '1,2,16'],
       ['1,2', '4', '4,8'],
       ['1,2,4', '1,2,8,16', '1,2,8,16,32']], dtype='<U11')

将整数分解为其他唯一整数

2 个答案: