我有一個大的 2D 位置數據字段，以兩個數組的形式給出，其中 .我想返回索引數組，該數組被一個名為 的 N x N 數組掩蔽。那是。該數組僅由 s 和 s 組成。xylen(x) == len(y)idx_masked(x[idx_masked], y[idx_masked])intmaskmask[x[idx_masked], y[idx_masked]] == 1mask01我想出了以下解決方案，但它（特別是下面的最后一行）非常慢，因為我有N x N = 5000 x 5000，重復1000次：import numpy as npimport matplotlib.pyplot as plt# example mask of one corner of a squareN = 100mask = np.zeros((N, N))mask[0:10, 0:10] = 1# example x and y position arrays in arbitrary unitsx = np.random.uniform(0, 1, 1000)y = np.random.uniform(0, 1, 1000)x_bins = np.linspace(np.min(x), np.max(x), N)y_bins = np.linspace(np.min(y), np.max(y), N)x_bin_idx = np.digitize(x, x_bins)y_bin_idx = np.digitize(y, y_bins)idx_masked = np.ravel(np.where(mask[y_bin_idx - 1, x_bin_idx - 1] == 1))plt.imshow(mask[::-1, :])plt.scatter(x, y, color='red')
plt.scatter(x[idx_masked], y[idx_masked], color='blue')有沒有更有效的方法來做到這一點？
1 回答
MM們
TA貢獻1886條經驗 獲得超2個贊
假設您的字段覆蓋了相同大小的條柱，則無需顯式定義條柱。 可以從簡單的樓層劃分確定每個位置，因為您知道每個箱子的大小。我建議使用總寬度（您傳入的內容），而不是，如果您當然知道范圍的預期大小。mask*_bin_idx1 / N1 - 0np.random.uniformx.max() - x.min()
x0 = 0 # or x.min()
x1 = 1 # or x.max()
x_bin = (x1 - x0) / N
x_bin_idx = ((x - x0) // x_bin).astype(int)
# ditto for y
這將比數字化更快，更簡單，并且可以避免在開始時出現額外的箱子。
對于大多數目的，您不需要 。90%的問題（包括這個問題）不應該使用。如果您想要一種快速訪問 和 的必要元素的方法，只需使用布爾掩碼即可。面具很簡單np.wherewherexy
selction = mask[x_bin_idx, y_bin_idx].astype(bool)
如果已經是布爾值（無論如何都應該是布爾值），則表達式就足夠了。它會產生一個大小與 和 相同（與 和 大小相同的）數組，其中包含每個點的掩碼值。您可以將面罩用作maskmask[x_bin_idx, y_bin_idx]x_bin_idxy_bin_idxxy
x[selection] # Elements of x in mask
y[selection] # Elements of y in mask
如果你絕對需要整數索引，那么門檻不是你最好的選擇。where
indices = np.flatnonzero(selection)
或
indices = selection.nonzero()[0]
如果您的目標只是從 中提取值，我建議將它們堆疊到單個數組中：xy
coords = np.stack((x, y), axis=1)
這樣，您不必應用索引兩次，只需提取值即可
coords[selection, :]
或
coords[indices, :]
根據 和 的相對密度，布爾掩碼或線性索引可能更快。你將不得不對一些相關的案例進行計時，以獲得更好的直覺。maskxy
添加回答
舉報
0/150
提交
取消