如果满足条件，如何交换 Nx2 numpy 数组的行的元素？答案

【问题标题】：How do I swap elements of rows of a Nx2 numpy array if a condition is satisfied?如果满足条件，如何交换 Nx2 numpy 数组的行的元素？
【发布时间】：2020-01-21 16:20:39
【问题描述】：

如果条件 swap[i] 是 True，我想将第 i 行的元素交换为 Nx2 numpy 数组 my_array。

我的尝试：

def swap_positions_conditionally(my_array, swap):
    for i in range(np.shape(my_array)[0]):
        if swap[i]:
            my_array[i] = my_array[i][::-1]
    return my_array

工作正常，例如给定

my_array = array([[0, 1],
                  [2, 3],
                  [4, 5],
                  [6, 7],
                  [8, 9]])

swap = array([0, 0, 1, 1, 0])

产生预期的结果

[[0 1]
 [2 3]
 [5 4]
 [7 6]
 [8 9]]

但是，可能有一个更惯用的表达方式来重写我的swap_position_conditionally。
有什么更好（更高效）的方式来编写它？

【问题讨论】：

标签： python numpy swap idioms

【解决方案1】：

这是一个直接使用 Numpy 的布尔索引的方法：

import numpy as np

my_array = np.asarray([[0, 1],
                  [2, 3],
                  [4, 5],
                  [6, 7],
                  [8, 9]])

swap = np.array([0, 0, 1, 1, 0], dtype=bool)

my_array[swap, :] = my_array[swap,:][:,(1,0)]

分解关键线：

my_array[swap, :] = 表示“分配给 swap 为真的行”
my_array[swap,:] 表示“选择swap 为真的整行”
[:,(1,0)] 表示“对于左边的每一行，交换第 0 列和第 1 列”

关于问题的“更高效”部分...

所有测试的通用设置（种子确保序列相同）：

import timeit
setup= '''
import numpy as np

np.random.seed(42)
my_array = np.random.random([10000,2])
swap = np.random.random([10000]) > 0.5
'''

所有测试运行 1000 次迭代

原码：5.621秒

timeit.timeit('swap_positions_conditionally(my_array, swap)', setup=setup, number=1000)

将swap_positions_conditionally的定义添加到setup，如问题所示。

这个答案：0.2657 秒

timeit.timeit('my_array[swap, :] = my_array[swap,:][:,(1,0)]', setup=setup, number=1000)

Divakar 的回答：0.176 秒

timeit.timeit('np.where(swap[:,None]!=1,my_array,my_array[:,::-1])', setup=setup, number=1000)

亚图第一个答案：0.214秒

timeit.timeit('np.take_along_axis(my_array, np.c_[swap, 1-swap], axis=1)', setup=setup, number=1000)

亚图的第二个答案：0.2547秒

timeit.timeit('my_array[swap,:] = my_array[swap,::-1]', setup=setup, number=1000)

结论

分析显示 Divakar 的版本是最快的。哪个更直观或更易读是口味的问题，您可以选择您喜欢的那个（我个人是索引符号可读性的粉丝......）

【讨论】：

@yatu 编辑在 ;) 我最初看到它时没有放它，因为它与我的非常相似，但后来我认为::-1 可能会以一种有趣的方式影响计时。事实证明，时间差异似乎并不显着（重新运行的差异比您的第二种方法和我的建议之间的差异更大）

【解决方案2】：

这是一种交换 Nx2 数组并在您尝试时使用负步长切片翻转更多列的方法 -

In [56]: np.where(swap[:,None]==1, my_array[:,::-1], my_array)
Out[56]: 
array([[0, 1],
       [2, 3],
       [5, 4],
       [7, 6],
       [8, 9]])

语法是：np.where(conditional_statement, choose_for_True, choose_for_False)。所以，在我们的例子中，当swap 是1 时，我们想要翻转/交换，否则不要。需要[:,None] 部分在每一行中按元素执行此操作。如果swap 已经是一个布尔数组，则跳过比较部分。

【讨论】：

【解决方案3】：

这是一个使用np.take_along_axis的：

np.take_along_axis(my_array, np.c_[swap, 1-swap], axis=1)

array([[0, 1],
       [2, 3],
       [5, 4],
       [7, 6],
       [8, 9]])

或基于布尔索引的索引：

swap = swap.astype(bool)
my_array[swap,:] = my_array[swap,::-1]

【讨论】：