使用掩码在向量化方程 numpy 之间进行选择答案

【问题标题】：Using mask to pick between vectorised equations numpy使用掩码在向量化方程 numpy 之间进行选择
【发布时间】：2021-02-09 13:51:40
【问题描述】：

我的掩码操作有问题。我在具有边界条件的网格（矩阵）上使用有限差分法。要计算边界条件，我使用能量平衡。所以我有 5 个矢量化方程 (Eq0 - Eq4)，BC 声明要用于索引的方程。要选择 Eq，我使用掩码：

mask = [0,1,2,3,4]
I = np.identity(5)
e0, e1, e2, e3, e4 = I[:,0], I[:,1], I[:,2], I[:,3], I[:,4]

BC 是我的案例矩阵，用于该索引的方程式。喜欢：

BC =
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 1. ... 2. 2. 0.]
 [0. 0. 4. ... 4. 0. 0.]
 ...
 [0. 0. 4. ... 4. 0. 0.]
 [0. 0. 3. ... 3. 3. 0.]
 [0. 0. 0. ... 0. 0. 0.]]

for n in range(1,Nt):
    Mn = np.copy(M)
    M[1:Nx,1:Ny] = (mask==BC[1:Nx,1:Ny]).dot(e0) * Eq0 + (mask==BC[1:Nx,1:Ny]).dot(e1) * Eq1 + (mask==BC[1:Nx,1:Ny]).dot(e2) * Eq2 + (mask==BC[1:Nx,1:Ny]).dot(e3) * Eq3 + (mask==BC[1:Nx,1:Ny]).dot(e4) * Eq4

我尝试了不同的方法来掩盖方程式，但总是出错。

np.dot(mask==BC[1:Nx,1:Ny],e0)  --> ValueError: operands could not be broadcast together with shapes (18,) (51,51) 

(1*(mask==BC[1:Nx,1:Ny])).dot(e0) --> AttributeError: 'int' object has no attribute 'dot'

AttributeError: 'bool' object has no attribute 'dot'

我希望你能解决我的问题并提供帮助。谢谢你

【问题讨论】：

嗨，我从掩码版本更改为使用 numpy.where()。 (mask==BC[1:Nx,1:Ny]).dot(e0) --> np.where(BC[1:Nx,1:Ny]==0,1,0)，现在我不明白一个错误。但是计算是错误的，但我认为这是我的方程的问题。
我发现您的整体问题很难理解，但也许这会有所帮助？ numpy.org/doc/stable/reference/generated/numpy.select.html - 类似于 np.where() 但同时适用于多个条件。
您好，谢谢。当您查看 BC 矩阵时，您可以看到每个节点都有一个数字。我对方程式进行了矢量化，每个数字都有相应的方程式。就像当 BC[1:Nx,1:Ny] = 4 时，用公式 4 计算，另一个变为 0。

标签： python numpy vectorization mask

【解决方案1】：

我认为你想要的是：

Eq = np.diag([Eq0, Eq1, Eq2, Eq3, Eq4])

然后你的最后一行将是

M[1:Nx,1:Ny] = (mask[None, None, :] == BC[1:Nx, 1:Ny]).dot(Eq).sum(-1)

但如果没有可运行的代码，就很难确定。

【讨论】：

您好，谢谢您的回复。当我查看您的示例时，我没有得到'mask [None，None，:]'部分是什么意思？
当我尝试您的解决方案时，我在第一行出现错误：Eq = np.diag([Eq0, Eq1, Eq2, Eq3, Eq4]) --> ValueError: Input must be 1- or 2 天。
我不会猜测您的输入形状超出了我已有的范围。尝试用可运行的代码和完整的错误跟踪编写另一个问题，这样人们就可以理解你想要什么。
你说得对，代码很乱，所以我不想上传。

【解决方案2】：

我的代码现在正在运行。我没有让面具工作。 @Daniel F. 的答案可能有效，但我没能成功。

我最终将numpy.where() 用于我的矢量化方程：

M[1:Nx,1:Ny] = np.where(BC[1:Nx,1:Ny]==0,1,0)*Eq0 \
 + np.where(BC[1:Nx,1:Ny]==1,1,0)*Eq1 \
 + np.where(BC[1:Nx,1:Ny]==2,1,0)*Eq2 \
 + np.where(BC[1:Nx,1:Ny]==3,1,0)*Eq3 \

继续研究不同的方程...

感谢您的帮助。

【讨论】：