从几个布尔 numpy 数组创建“位掩码”

Question

我正在尝试使用 numpy 将几个掩码（布尔数组）转换为位掩码，虽然理论上可行，但我觉得我做了太多操作。

例如创建我使用的位掩码：

import numpy as np

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

flag_bits = np.zeros(3, dtype=np.int8)
for idx, flag in enumerate(flags):
    flag_bits += flag.astype(np.int8) << idx  # equivalent to flag * 2 ** idx

这给了我预期的“位掩码”：

>>> flag_bits 
array([1, 6, 0], dtype=int8)

>>> [np.binary_repr(bit, width=7) for bit in flag_bits]
['0000001', '0000110', '0000000']

但是我觉得特别是对int8 的强制转换和flag_bits 数组的添加太复杂了。因此，我想问是否有任何我错过的 NumPy 功能可用于创建这样的“位掩码”数组？

注意：我正在调用一个需要这样一个位掩码的外部函数，否则我会坚持使用布尔数组。

Answer 1

>>> x = np.array(2**i for i in range(1, np.shape(flags)[1]+1))
>>> np.dot(flags, x)
array([1, 2, 2])

它是如何工作的：在位掩码中，每个位实际上是一个原始数组元素，根据其位置乘以 2 的度数，例如4 = False * 1 + True * 2 + False * 4。实际上，这可以表示为矩阵乘法，这在 numpy 中非常有效。

所以，第一行是创建这些权重的列表推导：x = [1, 2, 4, 8, ... 2^(n+1)]。

然后，flags 中的每一行乘以 x 中的相应元素，然后将所有内容相加（这就是矩阵乘法的工作原理）。最后，我们得到了位掩码

Answer 2

这个怎么样（如果需要，添加到int8 的转换）：

flag_bits = (np.transpose(flags) << np.arange(len(flags))).sum(axis=1)\
             .astype(np.int8)
#array([1, 6, 0], dtype=int8)

Answer 3

这是一种使用boolean-indexing 直接获取字符串位掩码的方法-

out = np.repeat('0000000',3).astype('S7')
out.view('S1').reshape(-1,7)[:,-3:] = np.asarray(flags).astype(int)[::-1].T

示例运行 -

In [41]: flags
Out[41]: 
[array([ True, False, False], dtype=bool),
 array([False,  True, False], dtype=bool),
 array([False,  True, False], dtype=bool)]

In [42]: out = np.repeat('0000000',3).astype('S7')

In [43]: out.view('S1').reshape(-1,7)[:,-3:] = np.asarray(flags).astype(int)[::-1].T

In [44]: out
Out[44]: 
array([b'0000001', b'0000110', b'0000000'], 
      dtype='|S7')

---

使用与@Marat's solution 中详细讨论的相同矩阵乘法策略，但使用为我们提供flag_bits 的矢量化缩放数组-

np.dot(2**np.arange(3),flags)