代码之家 › 专栏 › 技术社区 › alpelito7

如何只获取numpy数组中每个递增值的第一次出现?

numpy arrays python

alpelito7 · 技术社区 · 5 月前

在研究首次通过概率时,我遇到了这个问题。我想找到一种NumPythonic方法(没有显式循环),在每一行中只留下第一个严格递增的值 numpy 数组,同时将重复或非递增的值替换为零。例如,如果

arr = np.array([
    [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 5, 5],
    [1, 1, 2, 2, 2, 3, 2, 2, 3, 3, 3, 4, 4],
    [3, 2, 1, 2, 1, 1, 2, 3, 4, 5, 4, 3, 2]])

我想得到输出:

out = np.array([
    [1, 0, 0, 2, 0, 0, 3, 0, 0, 4, 0, 5, 0],
    [1, 0, 2, 0, 0, 3, 0, 0, 0, 0, 0, 4, 0],
    [3, 0, 0, 0, 0, 0, 0, 0, 4, 5, 0, 0, 0]])

2 回复 | 直到 5 月前

wim 5 月前

每行可以累积的最大值:

>>> arr
array([[1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 5, 5],
       [1, 1, 2, 2, 2, 3, 2, 2, 3, 3, 3, 4, 4],
       [3, 2, 1, 2, 1, 1, 2, 3, 4, 5, 4, 3, 2]])
>>> np.maximum.accumulate(arr, axis=1)
array([[1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 5, 5],
       [1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 4, 4],
       [3, 3, 3, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5]])

然后,您可以轻松屏蔽非递增值:

>>> m_arr = np.maximum.accumulate(arr, axis=1)
>>> np.where(np.diff(m_arr, axis=1, prepend=0), arr, 0)
array([[1, 0, 0, 2, 0, 0, 3, 0, 0, 4, 0, 5, 0],
       [1, 0, 2, 0, 0, 3, 0, 0, 0, 0, 0, 4, 0],
       [3, 0, 0, 0, 0, 0, 0, 0, 4, 5, 0, 0, 0]])

ouroboros1 5 月前

这里有一种方法:

m = np.hstack(
    (np.ones((arr.shape[0], 1), dtype=bool),
     np.diff(np.fmax.accumulate(arr, axis=1)) >= 1)
     )

out = np.zeros_like(arr)

out[m] = arr[m]

输出:

array([[1, 0, 0, 2, 0, 0, 3, 0, 0, 4, 0, 5, 0],
       [1, 0, 2, 0, 0, 3, 0, 0, 0, 0, 0, 4, 0],
       [3, 0, 0, 0, 0, 0, 0, 0, 4, 5, 0, 0, 0]])

解释

使用 np.fmax + np.ufunc.accumulate 以获得每行的运行最大值。
现在,检查一下 np.diff 大于或等于1。
使用 np.hstack 在列前添加 True 第一列(通过 np.ones ).
最后,初始化一个具有相同形状的零数组 arr (通过 np.zeros_like )并为掩码设置值。

推荐文章

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

4 月前

unfolx · numpy数组不等式的执行时间

4 月前

mchaudh4 · 用numpy表示三对角矩阵

4 月前

Geremia · 2D NumPy数组+1D数组?

4 月前

LMC · Numpy数组布尔索引以获取包含元素

4 月前

HJA24 · 根据条件用值正向填充Numpy矩阵/掩码

5 月前

alpelito7 · 如何只获取numpy数组中每个递增值的第一次出现?

5 月前

Amarth Gûl · 找到一组向量的最近收敛点

5 月前

Mr. W · numpy.divide是函数、类还是其他什么?

6 月前

Mr. W · 为什么numpy.array在编辑内部数据时如此缓慢?

6 月前