如何从连续匹配部分的大小大于某个最小值的 numpy 数组中提取索引？答案

【问题标题】：How can I extract indices from a numpy array where the size of a contiguous matching section is larger than some minimum?如何从连续匹配部分的大小大于某个最小值的 numpy 数组中提取索引？
【发布时间】：2022-01-07 11:15:18
【问题描述】：

假设我有一些类似的数组

a = np.random.random(100) > 0.5

array([ True,  True, False, False,  True, False, False,  True,  True,
        True, False, False,  True, False,  True, False,  True,  True,
       False, False, False, False, False,  True,...

我想找到相邻Trues 的所有部分的起始索引，至少为X。所以对于上面随机sn-p中的X=3，我想要7。对于X=2，我应该得到0,7,16。

我可以用循环来做到这一点，但想知道是否有人能告诉我更聪明的方法？

【问题讨论】：

标签： python numpy slice

【解决方案1】：

试试scipy.signal.find_peaks

import numpy as np
from scipy.signal import find_peaks

a = np.array([True, True, False, False, True, False, False, True, True,
              True, False, False, True, False, True, False, True, True,
              False, False, False, False, False, True])

_, peaks = find_peaks(np.r_[0, a, 0], width=3)
result = peaks["left_bases"]
print(result)

输出

[7]

对于width=2，你有：

_, peaks = find_peaks(np.r_[0, a, 0], width=2)
result = peaks["left_bases"]
print(result)

输出

[ 0  7 16]

【讨论】：

感谢您的建议，这个答案对我最有用，因为它还提供了right_bases（我稍后会需要它）。一个问题 - 为什么需要在 a 的开头添加 1？
@loplateral 其实是零，np.zeros(1) 创建array([0.])，思路是在数组的开头找到峰值，如果有的话。
当然是零！有道理，但实际上我们也需要在末尾添加一个 0 以捕获数组末尾的峰值。即np.r_[0, a, 0]。我实际上对为什么碱基也不需要移动感到困惑，但我从文档中看到它返回“x 中每个峰的左侧和右侧的索引”。

【解决方案2】：

您可以使用convolution：

convolution = np.convolve(a, np.array([1, 1, 1]))
np.where(convolution == 3)[0] - 2

这里的卷积 [1, 1, 1] 会将数字与它之前和之后的数字相加。然后你可以找到所有达到 3 的索引并减去 2

这里是任意数量连续的概括

def find_consecutive_sequences(number_of_consecutive, a)
    convolution = np.convolve(a, np.ones(shape=(number_of_consecutive)))
    return np.where(convolution == number_of_consecutive)[0] - (number_of_consecutive - 1 )

print(find_consecutive_sequences(3, a))
print(find_consecutive_sequences(4, a))
print(find_consecutive_sequences(5, a))

给了

[ 7 16 17 18]
[16 17]
[16]

对于一个（稍作修改以测试4 和5 的情况）正在

a = np.array([ True,  True, False, False,  True, False, False,  True,  True,
        True, False, False,  True, False,  True, False,  True,  True,
       True, True, False, False])

【讨论】：

简洁的方法！但它确实返回重叠，即当我只想要16 时返回16 和17。
确实，如果可以的话，我会使用 scipy 方法，因为它更干净。顺便说一句，您可以删除连续数字以消除重叠。

【解决方案3】：

您可以找到连续的Trues，方法是找到布尔数组的累积和，然后将该累积和数组拆分为连续数字的子数组，并提取长度为X的子数组的起点。

def starting_point_of_X_consecutive_Trues(arr, X):
    arr_cumsum = arr.cumsum()
    splits = np.split(arr_cumsum, np.where(np.diff(arr_cumsum) != 1)[0]+1)
    relevant_points = [splits[0][0]] if len(splits[0]) >= X else []
    relevant_points += [split[1] for split in splits[1:] if len(split)-1 >= X]
    return np.isin(arr_cumsum, relevant_points).nonzero()[0]

输出：

starting_point_of_X_consecutive_Trues(a, 3) # [7]
starting_point_of_X_consecutive_Trues(a, 2) # [0,7,16]

【讨论】：