numpy 在数组中第一次出现参考值数组答案

【问题标题】：numpy first occurence in array for an array of reference valuesnumpy 在数组中第一次出现参考值数组
【发布时间】：2018-06-30 06:10:40
【问题描述】：

给定一个阈值alpha 和一个numpy 数组a，有多种可能找到第一个索引i 使得arr[i] > alpha；见Numpy first occurrence of value greater than existing value:

numpy.searchsorted(a, alpha)+1
numpy.argmax(a > alpha)

在我的例子中，alpha 可以是标量或任意形状的数组。我想要一个函数get_lowest 在这两种情况下都有效：

alpha = 1.12
arr = numpy.array([0.0, 1.1, 1.2, 3.0])
get_lowest(arr, alpha)  # 2

alpha = numpy.array(1.12, -0.5, 2.7])
arr = numpy.array([0.0, 1.1, 1.2, 3.0])
get_lowest(arr, alpha)  # [2, 0, 3]

有什么提示吗？

【问题讨论】：

澄清一下：arr 始终是 1d 且已排序？你独立对待alpha的元素？ arr 和 alpha 的相对大小是多少？对alpha 的简单迭代可能是最快的，尤其是当searchsorted 是单个值的最佳工具时。
@hpaulj alpha 可以是任意形状的数组，通常比arr 大得多。
我想起了一个padding 问题- 可变长度列表。 @Divakar 的解决方案风格可能很有用，stackoverflow.com/questions/43924187/…

标签： python arrays numpy vectorization

【解决方案1】：

searchsorted 确实有效：

numpy.searchsorted(a, alpha)

argmax 的 axis 参数有帮助；这个

numpy.argmax(numpy.add.outer(alpha, -a) < 0, axis=-1)

成功了。确实

import numpy

a = numpy.array([0.0, 1.1, 1.2, 3.0])

alpha = 1.12

numpy.argmax(numpy.add.outer(alpha, -a) < 0, axis=-1)  # 0
numpy.searchsorted(a, alpha)  # 0

alpha = numpy.array([1.12, -0.5, 2.7])
numpy.argmax(numpy.add.outer(alpha, -a) < 0, axis=-1)  # [2 0 3]
numpy.searchsorted(a, alpha)  # [2 0 3]

【讨论】：

【解决方案2】：

你可以使用广播：

In [9]: arr = array([ 0. ,  1.1,  1.2,  3. ])
In [10]: alpha = array([ 1.12, -0.5 ,  2.7 ])
In [11]: np.argmax(arr > np.atleast_2d(alpha).T, axis=1)
Out[11]: array([2, 0, 3])

要折叠多维数组，您可以使用np.squeeze，但如果您希望在第一种情况下使用 Python 浮点数，则可能需要做一些特殊的事情：

def get_lowest(arr, alpha):
    b = np.argmax(arr > np.atleast_2d(alpha).T, axis=1)
    b = np.squeeze(b)
    if np.size(b) == 1:
        return float(b)
    return b

【讨论】：

感谢您的回答！不幸的是，如果输入是浮点数，这将返回一个数组（形状为1,1）。我需要一个花车。