【发布时间】:2015-08-14 08:18:21
【问题描述】:
我理解带有整数的 Numpy 数组布尔索引概念
In [95]: a=np.array([1, 2, 3, 2, 1, 2])
In [96]: a==1
Out[96]: array([ True, False, False, False, True, False], dtype=bool
In [97]: a[a==1]
Out[97]: array([1, 1])
但我不明白 Numpy 数组和元组如何进行比较 那为什么
In [106]: a = np.array([(2011, 3), (2011, 3), (2011, 3), ..., (2015, 6), (2015, 6),
(2015, 6), (2011, 3), (2011, 3)], dtype=object)
(...) 是省略号
返回
In [107]: a==(2011,3)
Out[107]: False
我期待一个像
这样的数组array([ True, True, True, False, False, False, False, True, True], dtype=bool)
如何将带有元组的 Numpy 数组与元组进行比较以获得布尔数组?
使用 Pandas 非常简单
In [113]: pd.Series(a)==(2011, 3)
Out[113]:
0 True
1 True
2 True
3 False
4 False
5 False
6 False
7 True
8 True
dtype: bool
但我正在寻找一个纯粹的 Numpy 解决方案。
【问题讨论】:
-
您能否展示一下您是如何构建数组的,因为这对我有用:
In [138]: a = np.array([(2011, 3), (2011, 3), (2011, 3), (2015, 6), (2015, 6), (2015, 6), (2011, 3), (2011, 3)]) a==(2011,3) Out[138]: array([[ True, True], [ True, True], [ True, True], [False, False], [False, False], [False, False], [ True, True], [ True, True]], dtype=bool) -
对我来说很好如果我这样做:
(a == (2011, 3)).all(axis=1) -
@AshwiniChaudhary
In [123]: (a == (2011, 3)).all(axis=1) --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) <ipython-input-123-abedc366d478> in <module>() ----> 1 (a == (2011, 3)).all(axis=1) AttributeError: 'bool' object has no attribute 'all'我正在使用In [128]: np.__version__ Out[128]: '1.9.2' -
@EdChum @AshwiniChaudhary 问题似乎是因为
Ellipsis(...) -
对不起,不是真的,因为我有省略号! ` df = pd.read_csv(文件名) df['Timestamp'] = pd.to_datetime(df['Timestamp']) df = df.set_index('Timestamp') df.index = df.index.tz_localize('UTC' ).tz_convert('UTC') # 从 DataFrame 中获取 Numpy 数组 direction = df['direction'].values var = df['speed'].values index = df.index.values by = df.index.map(by_func_monthly ) (by == (2011, 3)).all(axis=1)`
标签: python arrays numpy pandas tuples