假設我們有以下數據數組：data_array = np.array([[1, 1, 1], [1, 1, 2], [2, 2, 2], [3, 3, 3], [4, 4, 4]], np.int16)data_arrayarray([[1, 1, 1], [1, 1, 2], [2, 2, 2], [3, 3, 3], [4, 4, 4]])我們希望根據以下范圍屏蔽數組，以便能夠對屏蔽部分應用計算：intervals = [[1, 2], [2, 3], [3, 4]]我們首先基于數據數組創建一個空數組和掩碼，以便我們可以組合每個掩碼數組的結果：init = np.zeros((data_array.shape[0], data_array.shape[1]))result_array = np.ma.masked_where((init == 0), init)result_arraymasked_array(data=[[--, --, --], [--, --, --], [--, --, --], [--, --, --], [--, --, --]],mask=[[ True, True, True], [ True, True, True], [ True, True, True], [ True, True, True], [ True, True, True]]有了這個，我們可以啟動一個 for 循環，根據區間范圍屏蔽數組，對屏蔽數組執行計算并將結果組合到單個結果數組中：for inter in intervals: # Extact the start and en values for interval range start_inter = inter[0] end_inter = inter[1] # Mask the array based on interval range mask_init = np.ma.masked_where((data_array > end_inter), data_array) masked_array = np.ma.masked_where((mask_init < start_inter), mask_init) # Perform a dummy calculation on masked array outcome = (masked_array + end_inter) * 100 # Combine the outcome arrays result_array[result_array.mask] = outcome[result_array.mask]結果如下：array([[300.0, 300.0, 300.0], [300.0, 300.0, 400.0], [400.0, 400.0, 400.0], [600.0, 600.0, 600.0], [800.0, 800.0, 800.0]])我的問題是，如何在不使用 for 循環的情況下實現相同的結果？因此，在單個操作中對整個 data_array 應用屏蔽和計算。請注意，計算的變量隨每個掩碼而變化。是否可以對這個問題應用矢量化方法？我想numpy_indexed可能會有所幫助。謝謝你。
1 回答
小唯快跑啊
TA貢獻1863條經驗 獲得超2個贊
如果可以使間隔不重疊，那么您可以使用這樣的函數：
import numpy as np
def func(data_array, intervals):
data_array = np.asarray(data_array)
start, end = np.asarray(intervals).T
data_array_exp = data_array[..., np.newaxis]
mask = (data_array_exp >= start) & (data_array_exp <= end)
return np.sum((data_array_exp + end) * mask * 100, axis=-1)
在這種情況下，結果應該與原始代碼相同：
import numpy as np
def func_orig(data_array, intervals):
init = np.zeros((data_array.shape[0], data_array.shape[1]))
result_array = np.ma.masked_where((init == 0), init)
for inter in intervals:
start_inter = inter[0]
end_inter = inter[1]
mask_init = np.ma.masked_where((data_array > end_inter), data_array)
masked_array = np.ma.masked_where((mask_init < start_inter), mask_init)
outcome = (masked_array + end_inter) * 100
result_array[result_array.mask] = outcome[result_array.mask]
return result_array.data
data_array = np.array([[1, 1, 1], [1, 1, 2], [2, 2, 2], [3, 3, 3], [4, 4, 4]], np.int16)
intervals = [[1, 1.9], [2, 2.9], [3, 4]]
print(np.allclose(func(data_array, intervals), func_orig(data_array, intervals)))
# True
添加回答
舉報
0/150
提交
取消