【问题标题】:Boolean indexing with Numpy Array, tuples and Ellipsis使用 Numpy 数组、元组和省略号进行布尔索引
【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


【解决方案1】:

问题是 a 是 dtype object。很多普通的数组操作都没有为这种类型的数组定义,并且经常会恢复为将数组视为列表。

In [382]: a==(2011,3)
Out[382]: False
In [383]: a.tolist()==(2011,3)
Out[383]: False

正如@Alexander 指出的那样,您可以使用列表推导来执行逐个元素的比较。这个版本甚至可以使用Ellipsis:

In [399]: [i==(2011,3) for i in a]
Out[399]: [True, True, True, False, False, False, False, True, True]

Ellipsis 不生成标量布尔值。我可以用元组替换它,仍然得到标量。

In [384]: a1=a.copy()
In [385]: a1[3]=(0,0)
...
In [387]: a1==(2011,3)
Out[387]: False

Ellipsis 乍一看就像一个打印神器。但是pd.Series(a)==(2011, 3) 恰好产生 9 个值这一事实表明它可能不是 - 除非pd 格式仅将Ellipsis 替换为一个元素只是巧合。

Ellispsis 可能是 a 是 object dtype 的原因。

In [389]: np.array([(2011, 3), (2011, 3), (2011, 3), Ellipsis, (2015, 6), (2015, 6),(2015, 6), (2011, 3), (2011, 3)])
Out[389]: 
array([(2011, 3), (2011, 3), (2011, 3), Ellipsis, (2015, 6), (2015, 6),
       (2015, 6), (2011, 3), (2011, 3)], dtype=object)

没有它np.array 会生成一个二维数组:

In [390]: np.array([(2011, 3), (2011, 3), (2011, 3), (2015, 6), (2015, 6),(2015, 6), (2011, 3), (2011, 3)])
Out[390]: 
array([[2011,    3],
       [2011,    3],
       [2011,    3],
       [2015,    6],
       [2015,    6],
       [2015,    6],
       [2011,    3],
       [2011,    3]])

a1 没有省略号可以转换为二维:

In [396]: a1.astype('i,i').view(int).reshape(-1,2)
Out[396]: 
array([[2011,    3],
       [2011,    3],
       [2011,    3],
       [   0,    0],
       [2015,    6],
       [2015,    6],
       [2015,    6],
       [2011,    3],
       [2011,    3]])

可以用(...).all(axis=1)测试2d

【讨论】:

    【解决方案2】:

    您可以使用列表推导:

    a = np.array([(2011, 3), (2011, 3), (2011, 3), (2015, 6), (2015, 6), (2015, 6), (2011, 3), (2011, 3)], dtype=object)
    
    >>> [(x, y) == (2011, 3) for x, y in a]
    [True, True, True, False, False, False, True, True]
    

    【讨论】:

      猜你喜欢
      • 2018-07-06
      • 2013-01-19
      • 2021-02-07
      • 1970-01-01
      • 2020-08-27
      • 2018-12-13
      • 2020-02-14
      • 2015-05-19
      • 2021-01-06
      相关资源
      最近更新 更多