Numpy-如何创建具有行和列索引的布尔数组答案

【问题标题】：Numpy- how to create a boolean array with row and column indicesNumpy-如何创建具有行和列索引的布尔数组
【发布时间】：2021-11-29 00:17:03
【问题描述】：

我正在使用 scipy 中的 argrelextrema 来识别我的数据中的峰值。数据看起来像这样：

现在 argrelextrema 为我找到数据中的峰值并输出两个数组（行和列索引）。

argrelextrema(df.values, np.greater, axis=0,order=1)

现在，从我的原始数据中，我想创建一个布尔数组，其中峰值被标识为 True，其余的为 False。

类似这样的东西（仅插图）。

通常我会用 np.where 实现类似上述的效果，但由于我现在有行和列索引，我没有找到如何将它与 np.where 子句一起使用的方法。

另外，如果可能的话，我想要一个矢量化解决方案。

【问题讨论】：

标签： python pandas numpy boolean

【解决方案1】：

正如argrelextrema 指出的那样，返回相对极值的索引。

使用这些索引将 index 直接放入与原始 DataFrame 形状相同的布尔数组中：

import numpy as np
import pandas as pd
from scipy.signal import argrelextrema

# for reproducibility 
np.random.seed(42)

# create toy DataFrame
df = pd.DataFrame(data=np.random.random((100, 3)) * 20, columns=["AAPL", "MSFT", "TSLA"])

# extract rows and cols indices using extrema
rows, cols = argrelextrema(df.values, np.greater, axis=0,order=1)

# create boolean numpy array
values = np.zeros_like(df.values, dtype=bool)

# set the values of the extrema to True
values[rows, cols] = True

# convert to DataFrame
result = pd.DataFrame(data=values, columns=df.columns)
print(result)

输出

     AAPL   MSFT   TSLA
0   False  False  False
1   False  False   True
2   False  False  False
3   False   True   True
4   False  False  False
..    ...    ...    ...
95  False  False  False
96   True  False   True
97  False  False  False
98   True   True   True
99  False  False  False

[100 rows x 3 columns]

上面代码的重要部分是这样的：

# create boolean numpy array
values = np.zeros_like(df.values, dtype=bool)

# set the values of the extrema to True
values[rows, cols] = True

作为替代方案，您可以直接从sparse.csr_matrix 构建values 数组：

from scipy.sparse import csr_matrix
values = csr_matrix((np.ones(rows.shape), (rows, cols)), shape=df.shape, dtype=bool).toarray()

【讨论】：

谢谢 - 事后看来，解决方案非常简单。谢谢你的解释