基于布尔 np.array 有效地对 np.matrix 进行子集，但仅在某个阈值之前答案

【问题标题】：Subset a np.matrix efficiently based on boolean np.array but only until certain treshold基于布尔 np.array 有效地对 np.matrix 进行子集，但仅在某个阈值之前
【发布时间】：2020-07-17 10:21:50
【问题描述】：

假设我们有一个矩阵 M

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

行数与 np.array 掩码的长度相同：

mask = np.array([False,True,False,True,False,True])

还有一个叫做 threshold=2 的附加参数

我只想用掩码对 M 进行子集化，直到 2 个 True 值为止，对于所有剩余的值，我将设置为 false。这意味着 M[mask] 应该只返回第二行和第四行而不是最后一行。有没有一种有效的方法可以通过 numpy 避免 for 循环来做到这一点？

【问题讨论】：

您有基于循环的工作解决方案吗？
我的意思是非常简单，只是在循环检查数组中的 True 时，当阈值为 0 时，您将掩码的其余部分设置为 False。
只需使用mask 链接布尔索引，然后切片。检查 numpy numpy.org/doc/stable/reference/arrays.indexing.html 中有关索引的文档

标签： python numpy numpy-ndarray

【解决方案1】：

M[mask][:2]

这会根据掩码选择您的行，并在达到 2 个 True 值后停止。

【讨论】：

【解决方案2】：

你可以走两条路：

import numpy as np

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

mask = np.array([False,True,False,True,False,True])

true_locs = np.where(mask)[0]

# set True to False in the mask
mask[true_locs[2:]] = False

# OR just use the indeces directly
M[true_locs[:2],:]

【讨论】：