如何仅获取屏蔽数据而不将数据展平为一维数组?也就是说,假设我有一个 numpy 数组
a = np.array([[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3]])
并且我屏蔽所有大于 1 的元素,
b = ma.masked_greater(a, 1)
masked_array(data =
[[0 1 -- --]
[0 1 -- --]
[0 1 -- --]],
mask =
[[False False True True]
[False False True True]
[False False True True]],
fill_value = 999999)
如何仅获取屏蔽元素而不展平输出?也就是说,我需要得到
array([[ 2, 3],
[2, 3],
[2, 3]])
最佳答案
让我们尝试一个产生参差不齐的结果的示例 - 每行中有不同数量的“屏蔽”值。
In [292]: a=np.arange(12).reshape(3,4)
In [293]: a
Out[293]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [294]: a<6
Out[294]:
array([[ True, True, True, True],
[ True, True, False, False],
[False, False, False, False]], dtype=bool)
与此条件匹配的值的扁平列表。它无法返回常规的二维数组,因此它必须恢复为扁平数组。
In [295]: a[a<6]
Out[295]: array([0, 1, 2, 3, 4, 5])
做同样的事情,但是逐行迭代
In [296]: [a1[a1<6] for a1 in a]
Out[296]: [array([0, 1, 2, 3]), array([4, 5]), array([], dtype=int32)]
尝试创建结果数组会生成一个对象类型数组,它只不过是数组包装器中的列表:
In [297]: np.array([a1[a1<6] for a1 in a])
Out[297]: array([array([0, 1, 2, 3]), array([4, 5]), array([], dtype=int32)], dtype=object)
结果参差不齐这一事实很好地表明,通过一个向量化操作来执行该操作即使不是不可能,也是很困难的。
这是生成数组列表的另一种方法。通过 sum
,我可以找到每行中有多少个元素,然后使用它来将
扁平化数组拆分为子列表。
In [320]: idx=(a<6).sum(1).cumsum()[:-1]
In [321]: idx
Out[321]: array([4, 6], dtype=int32)
In [322]: np.split(a[a<6], idx)
Out[322]: [array([0, 1, 2, 3]), array([4, 5]), array([], dtype=float64)]
它确实使用了“扁平化”。对于这些小例子,它比行迭代慢。 (不用担心空 float 组,split
必须构造一些东西并使用默认的数据类型。)
没有空行的不同掩码清楚地显示了两种方法的等效性。
In [344]: mask=np.tri(3,4,dtype=bool) # lower tri
In [345]: mask
Out[345]:
array([[ True, False, False, False],
[ True, True, False, False],
[ True, True, True, False]], dtype=bool)
In [346]: idx=mask.sum(1).cumsum()[:-1]
In [347]: idx
Out[347]: array([1, 3], dtype=int32)
In [348]: [a1[m] for a1,m in zip(a,mask)]
Out[348]: [array([0]), array([4, 5]), array([ 8, 9, 10])]
In [349]: np.split(a[mask],idx)
Out[349]: [array([0]), array([4, 5]), array([ 8, 9, 10])]
关于python numpy 获取屏蔽数据而不压平,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34468436/