使用 2 个不同长度的数组 Numpy Python答案

【问题标题】：Working with 2 arrays with different lengths Numpy Python使用 2 个不同长度的数组 Numpy Python
【发布时间】：2021-06-10 01:38:15
【问题描述】：

有没有办法可以修改下面的函数，以便它可以计算具有不同长度大小的数组。 Numbers 数组的长度是 7，Formating 的长度是 5。下面的代码比较 Formating 中的任何数字是否介于两个值之间，如果是这种情况，那么它将介于两者之间的值相加.因此，由于Numbers 中没有元素介于0, 2 之间，因此对于第一次计算，结果将为 0。代码链接来自：issue。

代码：

Numbers = np.array([3, 4, 5, 7, 8, 10,20])
Formating = np.array([0, 2 , 5, 12, 15])
x = np.sort(Numbers);
l = np.searchsorted(x, Formating, side='left')
mask=(Formating[:-1,None]<=Numbers)&(Numbers<Formating[1:,None])
N=Numbers[:,None].repeat(5,1).T
result= np.ma.masked_array(N,~mask)
result = result.filled(0)
result = np.sum(result, axis=1)

预期输出：

[ 0  7 30  0]

【问题讨论】：

那段代码有什么问题？
@hpaulj 它没有运行:-)。应该是N=Numbers[:,None].repeat(4,1).T。那就是说x 和l 是多余的，而且是错误的！
和result 的所有东西似乎都过头了。 (mask * Numbers[None, :]).sum(axis=1) 工作正常。也就是说，来自 OP 的这一系列问题看起来像是一个 XY 问题。
x 和 l 来自不同的解决方案，mask 是我提出的。在N 中使用5 是从Formatting 有6 个术语时遗留下来的；显然 (?) 如果 Formating 更改此值也应该如此。我建议使用np.ma 作为可视化mask 使用的一种方式。 np.ma.sum 会处理 0 填充。

标签： python arrays function numpy size

【解决方案1】：

这是bincounts 的一种方法。请注意，您的x 和l 搞砸了，我记得您可以/应该使用digitize：

# Formating goes here
x = np.sort(Formating);

# digitize
l = np.digitize(Numbers, x)

# output:
np.bincount(l, weights=Numbers)

输出：

array([ 0.,  0.,  7., 30.,  0., 20.])

【讨论】：

有没有办法可以将输出修改为设置边界之间并导致[ 0 7 30 0]