在 Numpy Python 中格式化浮点值数组

Question

如果在Int array 输出中看到的数字小于 0，则函数 values[(values<=0).argmin():] = 0 将从第 n 个元素到最后一个元素的值变为零。但是，当数组元素为浮点数时，数组会在float array 输出中自动转换为零。我该如何解决这个问题？

浮点数组

Numbers = np.array([123.6 , 123.6 ,  123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])
Numbers[(Numbers>=-50).argmin():] = 0

输出

[ 10   3 -20   0   0   0]

整数数组

import numpy as np
values = np.array([123 , 123 , -123.6,  110,  111])
values[(values<=0).argmin():] = 0

输出：

[123 , 123 , 0,  0,  0]

Answer 1

编辑：

试试这两种方法，一种是在原地分配给 NumPy 视图，另一种是创建一个新数组以分配给另一个变量 -

#Method 1 (Inplace assignment)
Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#OR

#Method 2 (Not inplace)
np.where(~(Numbers<=0).cumsum(dtype=bool), Numbers, 0)

解释-

1. 返回[F, F, F, T, F, F, F]的bool数组可以看成一个1和0的数组。执行 cumsum 最终会将第一个 T 传播到后续元素。

2. 因此，这会将数组转换为 [F, F, F, T, T, T, T]，它现在可以与 boolean indexing 一起使用，并将视图设置为 0 或 np.where 以获取原始元素或 0，基于使用 ~ 反转布尔值

3. 这里的好处是，如果你的数组只是由 False 组成，意味着没有元素满足条件，它只会返回原始的Numbers 本身，而不是将它们设置为 0。

---

运行测试 -

1. 具有满足条件的值

Numbers = np.array([123.6 , 123.6 ,  -123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6, 123.6,   0. ,   0. ,   0. ,   0. ,   0. ])

1. 没有符合条件的值

Numbers = np.array([123.6 , 123.6 ,  123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6 , 123.6 , 123.6 , 110.3748 ,111.6992976 , 102.3165566 ,  97.81462811])