如何计算两个 numpy 数组之间匹配的零元素的数量？

Question

我有两个大小相等的 numpy 数组。它们包含值1、0 和-1。我可以计算匹配和负数的数量，但我不确定如何计算具有相同索引和值为零的匹配元素。

我有点困惑如何在这里继续。

这里有一些代码：

print(actual_direction.shape)
print(predicted_direction.shape)
act = actual_direction
pre = predicted_direction
part1 = act[pre == 1]
part2 = part1[part1 == 1]
result1 = part2.sum()
part3 = act[pre == -1]
part4 = part3[part3 == -1]
result2 = part4.sum() * -1
non_zeros = result1 + result2
zeros = len(act) - non_zeros
print(f'zeros : {zeros}\n')
print(f'non_zeros : {non_zeros}\n')
final_result = non_zeros + zeros
print(f'result1 : {result1}\n')
print(f'result2 : {result2}\n')
print(f'final_result : {final_result}\n')

这是打印输出：

(11279,)
(11279,)
zeros : 5745.0
non_zeros : 5534.0
result1 : 2217.0
result2 : 3317.0
final_result : 11279.0

所以我在这里所做的只是从数组的总长度中减去一个和负数的总和。我不能假设差异（零：5745）包含所有包含零的匹配元素吗？

Answer 1

你可以试试这个：

import numpy as np

a=np.array([1,0,0,1,-1,-1,0,0])
b=np.array([1,0,0,1,-1,-1,0,1])
summ = np.sum((a==0) & (b==0))
print(summ)

输出：

3

Answer 2

您可以使用numpy.ravel() 将数组展平，然后使用zip() 并排比较每个元素：

import numpy as np

ar1 = np.array([[1, 0, 0],
                [0, 1, 1],
                [0, 1, 0]])

ar2 = np.array([[0, 0, 0],
                [1, 0, 1],
                [0, 1, 0]])

count = 0
for e1, e2 in zip(ar1.ravel(), ar2.ravel()):
    if e1 == e2:
        count += 1

print(count)

输出：

6

---

您也可以这样做来列出找到的所有匹配项，并打印出金额：

dup = [e1 for e1, e2 in zip(ar1.ravel(), ar2.ravel()) if e1 == e2]
print(dup)
print(len(dup))

输出：

[0, 0, 1, 0, 1, 0]
6

Answer 3

你有两个数组，想计算这两个数组都为0的位置，对吧？

您可以检查数组在哪里满足您要求的条件(a == 0)，然后使用“与”运算符& 检查两个数组在哪里满足您的要求：

import numpy as np
a = np.array([1, 0, -1, 0, -1, 1, 1, 1, 1])
b = np.array([1, 0, -1, 1, 0, -1, 1, 0, 1])

both_zero = (a == 0) & (b == 0)  # [False,  True, False, False, False, False]

both_zero.sum()  # 1

---

在您更新的问题中，您似乎对实际值和预测之间的异同感兴趣。为此，confusion matrix 非常适合。

from sklearn.metrics import confusion_matrix
confusion_matrix(a, b, labels=[-1, 0, 1])

会给你一个混淆矩阵作为输出，告诉你有多少个 -1 被预测为 -1、0 和 1，0 和 +1 也一样：

[[1 1 0]   # -1s predicted as -1, 0 and 1
 [0 1 1]   # 0s predicted as -1, 0 and 1
 [1 1 3]]  # 1s predicted as -1, 0 and 1