Numpy 根据另一个数组的值分配一个数组值，其中列是基于向量选择的答案

【问题标题】：Numpy assign an array value based on the values of another array with column selected based on a vectorNumpy 根据另一个数组的值分配一个数组值，其中列是基于向量选择的
【发布时间】：2019-05-21 09:18:28
【问题描述】：

我有一个二维数组

X
array([[2, 3, 3, 3],
       [3, 2, 1, 3],
       [2, 3, 1, 2],
       [2, 2, 3, 1]])

和一个一维数组

y
array([1, 0, 0, 1])

对于 X 的每一行，我想找到 X 具有最小值且 y 的值为 1 的列索引，并将第三个矩阵中的相应行列对设置为 1

例如，在X的第一行的情况下，与最小X值（仅针对第一行）和y = 1对应的列索引为0，那么我想要Z[0,0] = 1和所有其他 Z[0,i] = 0。同样，对于第二行，列索引 0 或 3 给出 y = 1 的最低 X 值。然后我想要 Z[1,0] 或 Z[1,3] = 1（最好 Z[1,0] = 1 和所有其他 Z[1,i] = 0，因为 0 列是第一次出现）

我的最终 Z 数组看起来像

Z
array([[1, 0, 0, 0],
       [1, 0, 0, 0],
       [1, 0, 0, 0],
       [0, 0, 0, 1]])

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

一种方法是使用掩码数组。

import numpy as np

X = np.array([[2, 3, 3, 3],
              [3, 2, 1, 3],
              [2, 3, 1, 2],
              [2, 2, 3, 1]])

y = np.array([1, 0, 0, 1])
#get a mask in the shape of X. (True for places to ignore.)
y_mask = np.vstack([y == 0] * len(X))

X_masked = np.ma.masked_array(X, y_mask)

out = np.zeros_like(X)

mins = np.argmin(X_masked, axis=0)
#Output: array([0, 0, 0, 3], dtype=int64)

#Now just set the indexes to 1 on the minimum for each axis.
out[np.arange(len(out)), mins] = 1

print(out)
[[1 0 0 0]
 [1 0 0 0]
 [1 0 0 0]
 [0 0 0 1]]

【讨论】：

【解决方案2】：

您可以使用numpy.argmin()，获取X 每一行的最小值的索引。例如：

import numpy as np
a = np.arange(6).reshape(2,3) + 10
ids = np.argmin(a, axis=1)

同样，您可以通过numpy.nonzero 或numpy.where 来索引y 为1 的索引。一旦你有了两个索引数组，设置第三个数组中的值应该很容易。

【讨论】：