a = np.array([2,3,1,4])b = np.array([2,3,7,1])c = np.zeros((4, 10))1我想為 中的某些元素賦值c。a并b定義這些元素的位置。是每行中a值的起始列索引。1并表示該行有b多少個連續的。1我期望的輸出是：array([[ 0., 0., 1., 1., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 1., 1., 1., 0., 0., 0., 0.], [ 0., 1., 1., 1., 1., 1., 1., 1., 0., 0.], [ 0., 0., 0., 0., 1., 0., 0., 0., 0., 0.]])我可以使用一個簡單的 for 循環，如下所示：for i in range(c.shape[0]): for k in range(a[i], a[i]+b[i]): c[i,k]=1但對于大型數組來說會很慢，有沒有更快的 numpy 索引來做到這一點？謝謝。
3 回答
慕標琳琳
TA貢獻1830條經驗 獲得超9個贊
您可以將其轉化為一維問題
def convert_inds(a,b,array_shape):
nrows,ncols = array_shape
to_take = np.zeros(sum(b))
count = 0
for ind,item in enumerate(b):
start_ind = ind*ncols+a[ind]
to_take[count:count+item] = np.arange(start_ind,start_ind+item)
count += item
return to_take.astype(np.int)
to_take = convert_inds(a,b,c.shape)
c.ravel()[to_take] = 1
在上面的代碼中，convert_inds將a和轉換b為
array([ 2, 3, 13, 14, 15, 21, 22, 23, 24, 25, 26, 27, 34])
它們是1展平后 s的索引c。通過這樣做，您只需要b在函數中進行迭代即可convert_inds。
LEATH
TA貢獻1936條經驗 獲得超7個贊
我實現了下一個解決方案，沒有任何 Python 循環，只有純 NumPy 代碼。也許它不像 python-loop 解決方案那么簡單，但肯定會快得多，特別是對于大數據。
import numpy as np
def set_val_2d(a, val, starts, lens):
begs = starts + np.arange(a.shape[0]) * a.shape[1]
ends = begs + lens
clens = lens.cumsum()
ix = np.ones((clens[-1],), dtype = np.int64)
ix[0] = begs[0]
ix[clens[:-1]] = begs[1:] - ends[:-1] + 1
ix = ix.cumsum()
a.ravel()[ix] = val
a = np.array([2,3,1,4])
b = np.array([2,3,7,1])
c = np.zeros((4, 10))
set_val_2d(c, 1, a, b)
print(c)
輸出：
[[0. 0. 1. 1. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 1. 1. 1. 1. 1. 1. 1. 0. 0.]
[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]]
慕俠2389804
TA貢獻1719條經驗 獲得超6個贊
如果您選擇基于索引的奇特方法，最困難的部分是查找軸 1 的索引。這非常類似于：
>>> np.repeat(a, b)
array([2, 2, 3, 3, 3, 1, 1, 1, 1, 1, 1, 1, 4])
除了每組索引應該遞增之外?？梢允褂靡韵潞瘮低瓿纱诵迯停?/p>
def accumulative_count(counts, initial):
counter = np.ones(np.sum(counts), dtype=int)
marker_idx = np.r_[0, np.cumsum(counts)[:-1]]
subtract_vals = np.r_[1, counts[:-1]]
initial_vals = np.r_[initial[0], np.diff(initial)]
counter[marker_idx] = counter[marker_idx] - subtract_vals + initial_vals
return np.cumsum(counter)
>>> accumulative_count(counts, initial)
array([2, 3, 3, 4, 5, 1, 2, 3, 4, 5, 6, 7, 4], dtype=int32)
畢竟，你有能力完成它：
c[np.repeat(np.arange(len(c)), b), accumulative_count(b, a)] = 1
c:
array([[0., 0., 1., 1., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 1., 1., 1., 0., 0., 0., 0.],
[0., 1., 1., 1., 1., 1., 1., 1., 0., 0.],
[0., 0., 0., 0., 1., 0., 0., 0., 0., 0.]])
添加回答
舉報
0/150
提交
取消