如何在numpy Python中找到一维二进制数组的十进制值答案

【问题标题】：How to find decimal value of 1D binary array in numpy Python如何在numpy Python中找到一维二进制数组的十进制值
【发布时间】：2018-02-11 11:34:15
【问题描述】：

我有一个像这样的布尔型 numpy 数组，

>>> np_arr
array([[1, 1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 1, 0, 0],
       [1, 1, 1, 1, 0, 1, 0, 0],
       [1, 1, 1, 1, 0, 1, 0, 0]])

还有一个像这样的一维数组，

>>> another_arr
array([128,  64,  32,  16,   8,   4,   2,   1])

我想以某种方式做一些 and 或 addition 以仅获取存在 1 的值，例如，

>>> np_arr
array([[128,64,32,8, 0, 0, 2, 1],
       [128,64,32,8, 0, 0, 2, 1],
         ....................
       [128,64,32,8, 0,4, 0, 0],
        .....................)

然后我可以将它们相加以找到 2D 数组中每个 1D 数组的二进制值.. 或者是一些简单的方法来获取十进制值 numpy 数组作为结果？

【问题讨论】：

听起来你在问乘法。
您预期输出中的8s 应该是16s 吗？听起来你想要numpy.packbits。无需相乘和求和。
@MateenUlhaq 哈哈哈这太简单了……有时我怎么了:(

标签： python arrays python-3.x numpy

【解决方案1】：

你需要的大概是这样的：

import numpy as np


ar = np.array([[1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 1, 0, 0],
               [1, 1, 1, 1, 0, 1, 0, 0],
               [1, 1, 1, 1, 0, 1, 0, 0]])

np.packbits(ar, axis=-1)

结果：

array([[243],
       [243],
       [243],
       [243],
       [243],
       [244],
       [244],
       [244]], dtype=uint8)

【讨论】：

【解决方案2】：

这是一种方式。它之所以有效，是因为 numpy 隐式广播。

import numpy as np

mask = np.array([[1, 1, 1, 1, 0, 0, 1, 1],
                 [1, 1, 1, 1, 0, 0, 1, 1],
                 [1, 1, 1, 1, 0, 0, 1, 1],
                 [1, 1, 1, 1, 0, 0, 1, 1],
                 [1, 1, 1, 1, 0, 0, 1, 1],
                 [1, 1, 1, 1, 0, 1, 0, 0],
                 [1, 1, 1, 1, 0, 1, 0, 0],
                 [1, 1, 1, 1, 0, 1, 0, 0]])

arr = np.array([128,  64,  32,  16,   8,   4,   2,   1])

arr2 = arr * mask

# array([[128,  64,  32,  16,   0,   0,   2,   1],
#        [128,  64,  32,  16,   0,   0,   2,   1],
#        [128,  64,  32,  16,   0,   0,   2,   1],
#        [128,  64,  32,  16,   0,   0,   2,   1],
#        [128,  64,  32,  16,   0,   0,   2,   1],
#        [128,  64,  32,  16,   0,   4,   0,   0],
#        [128,  64,  32,  16,   0,   4,   0,   0],
#        [128,  64,  32,  16,   0,   4,   0,   0]])

【讨论】：

【解决方案3】：

这是一种快速而肮脏的方式。

import numpy as np

ar = np.array([[1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 0, 1, 1],
               [1, 1, 1, 1, 0, 1, 0, 0],
               [1, 1, 1, 1, 0, 1, 0, 0],
               [1, 1, 1, 1, 0, 1, 0, 0]])


a = np.array([17, 16, 12, 41, 0, 0, 5, 12])
for _ in ar:
    m = np.multiply(_, a)
    print(m)

这里我已经打印了这些值，但您可以将它们附加到数组中或随意使用。

【讨论】：

为什么这比简单的ar*a 更好？
@MarkDickinson 我想直接乘法ar*a 是最好的解决方案，但如果你想处理每一行，请对其进行一些操作（如求和），然后将其附加到一个数组中，然后在我的与问题的最后一部分相比，认为这种方法更好
如果您想对每一行求和并将总和累加到一个数组中，您可以使用(ar * a).sum(axis=1)。在使用 NumPy 时，通常最好避免显式的 for 循环。