逐行填充 Numpy Array答案

【问题标题】：Fill Numpy Array row wise逐行填充 Numpy Array
【发布时间】：2020-10-04 23:12:28
【问题描述】：

我正在试验 Numpy 功能，并想知道是否有一种方法可以实现所解释的所需行为。给定一个如下所示的numpy数组

array = np.array([[1,3,3],[6,7,6],[9,9,4]])
print(array)

来自print(array)的输出

[[1 3 3]
 [6 7 6]
 [9 9 4]]

我得到了每一行的最大值

max_array =  array.max(axis=1,keepdims=1)
print(max_array)

来自print(max_array)的输出

[[3]
 [7]
 [9]]

我正在使用下面的代码对数组中的所有最大元素应用掩码

masked_array = np.ma.masked_equal(array,max_array)
print(masked_array)

打印输出(masked_array)

[[1 -- --]
 [6 -- 6]
 [-- -- 4]]

现在我已经屏蔽了数组，我想对数组中的非最大元素执行操作，例如乘以 3，如下面的代码所示

 mul_array= np.multiply(masked_array,3)
 print(mul_array)

来自print(mul_array)的输出

[[3 -- --]
 [18 -- 18]
 [-- -- 12]]

我想在 max_array 中插入之前在 mul_array 中相同位置屏蔽的最大元素，但我找不到任何东西来实现所需的行为。下面是我预期的矩阵。我想问一下是否有任何 Numpy 操作来实现所需的行为

期望的输出

[[3 3 3]
 [18 7 18]
 [9 9 12]]

感谢您的帮助！

【问题讨论】：

欢迎来到 SO。这不是讨论论坛或教程。请使用tour 并花时间阅读How to Ask 以及该页面上的其他链接。
@wwii 感谢您推荐资源。我已经更新了我的帖子。请让我知道是否仍然缺少可以更新以满足标准的内容
np.ma.masked_equal(a,b) - a 和 b 是什么？
对不起，这是我的错。我忘了用数组和 max_array 替换 a 和 b。我已经更新了我的帖子。

标签： python numpy data-science

【解决方案1】：

import numpy as np
a = np.array([[1,3,3],[6,7,6],[9,9,4]])

首先找到你的最大值

max_array =  a.max(axis=1,keepdims=True)

In [19]: max_array
Out[19]: 
array([[3],
       [7],
       [9]])

然后为所有不是的值创建一个布尔数组

mask = (a != max_array)

In [20]: mask
Out[20]: 
array([[ True, False, False],
       [ True, False,  True],
       [False, False,  True]], dtype=bool)

然后使用掩码过滤左侧上的赋值和右侧上的操作。

a[mask] = a[mask] * 3

In [21]: a
Out[21]: 
array([[ 3,  3,  3],
       [18,  7, 18],
       [ 9,  9, 12]])

Numpy Indexing

与掩码数组相同的过程

b = np.array([[1,3,3],[6,7,6],[9,9,4]])
b_max =  b.max(axis=1,keepdims=True)
b_ma = np.ma.masked_equal(b,b_max)
q = b_ma * 3
b = q.data

# or
b_ma *= 3
b = b_ma.data

这将导致b 成为b_ma 中数据的视图。

In [80]: b.flags['OWNDATA']
Out[80]: False

如果你不想看到 -

In [81]: b = b_ma.data.copy()

In [82]: b.flags['OWNDATA']
Out[82]: True

【讨论】：

【解决方案2】：

首先，我更改了语法，以便所有数组和值都匹配 numpy 语法。然后，您创建一个数组“索引”来存储 A 数组具有空值的索引。创建一个作为 A 副本的 C 数组，并使用 np.take 函数将空值填充为 B 值。

import numpy as np
A = np.array([ [1, 2, np.nan],
      [4, np.nan, 6],
      [7, 8, np.nan] ])
B = np.array([ [3],
      [5],
      [9] ,
     ])

indexes = np.where(np.isnan(A))

C = np.copy(A)

C[indexes] = np.take(B, indexes[0])

print(C)

【讨论】：

【解决方案3】：

其中一个选项是使用np.nan 而不是-- 和B 的扁平化版本：

A = np.array([[1, 2, np.nan], [4, np.nan, 6], [7, 8, np.nan]])
B = np.array([[3], [5], [9]])
B = B.flatten()

所以B 现在是[3, 5, 9] 的形式。然后您可以使用这些np.nan 识别单元格的位置并重新分配它们：

x, y = np.nonzero(np.isnan(A))
A[x,y] = B

输出：

>>> A
array([[1., 2., 3.],
       [4., 5., 6.],
       [7., 8., 9.]])

注意：

A 的类型是 float，因为在此之前使用了 np.nans
在一维情况下更改np.nonzero 是np.where 的替代品
您可能希望改用np.copy(A)，以避免A 的动态变化。

【讨论】：