我正在使用 min 函數找到數組“值”中的最小值。最低值為 1，其他均為 0。我有幾個描述性列變量：藥物、大小、強度、形式、時間。我想找到每個唯一鍵的最小值，而不是整個數組“值”中的最小值。我已經嘗試為每個列變量運行循環。def min_mask(arr): m = np.min(arr) return np.vectorize(lambda x: x == m)(arr).astype(int)if __name__ == '__main__': my_arr = np.array(meltDF["value"]) print(min_mask(my_arr))
2 回答
人到中年有點甜
TA貢獻1895條經驗 獲得超7個贊
您可以將元素與其列式分鐘進行比較，然后將大小寫為 uint8 以節省一些空間：
>>> import numpy as np
>>> np.random.seed(444)
>>> arr = np.random.rand(10, 4)
>>> (arr == arr.min(axis=0)).astype(np.uint8)
array([[0, 0, 0, 0],
[1, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 1],
[0, 1, 0, 0],
[0, 0, 1, 0]], dtype=uint8)
由于 NumPy 的廣播，比較arr == arr.min(axis=0)會產生與 的形狀相同的結果arr，即使arr.min(axis=0)會有形狀(4,)。
請注意，如果列有重復的最小值，這可能會在單個列中生成多個“1”。
暮色呼如
TA貢獻1853條經驗 獲得超9個贊
這里有很多選項，例如：
1) 預先初始化掩碼并使用argmin填入合適的地方：
arr = np.random.rand(10, 4)
indices = np.argmin(arr, axis=0)
mask = np.zeros_like(arr, dtype=np.int)
mask[indices, range(len(indices))] = 1
2) Usingapply_along_axis可能是你喜歡的風格：
def is_minimum(v):
return v == np.min(v)
mask = np.apply_along_axis(is_minimum, axis=0, arr=arr).astype(np.int)
這些解決方案假設每一列對應一個唯一的鍵。
添加回答
舉報
0/150
提交
取消