我有一个包含 nans 的大型 numpy 1d 数组。我需要知道所有不包含任何 nan 的切片:
import numpy as np
A=np.array([1.0,2.0,3.0,np.nan,4.0,3.0,np.nan,np.nan,np.nan,2.0,2.0,2.0])
该示例的预期结果是:
Slices=[slice(0,3),slice(4,6),slice(9,12)]
最佳答案
一种获取此类切片列表的方法,其思想是在列表理解中执行最少的工作 -
def start_stop_nonNaN_slices(A):
mask = ~np.isnan(A)
mask_ext = np.r_[False, mask, False]
idx = np.flatnonzero(mask_ext[1:] != mask_ext[:-1]).reshape(-1,2)
return [slice(i[0],i[1]) for i in idx]
示例运行 -
In [32]: A
Out[32]:
array([ 1., 2., 3., nan, 4., 3., nan, nan, nan, 2., 2.,
2.])
In [33]: start_stop_nonNaN_slices(A)
Out[33]: [slice(0, 3, None), slice(4, 6, None), slice(9, 12, None)]
In [35]: A
Out[35]:
array([ nan, 1., 2., 3., nan, 4., 3., nan, nan, nan, 2.,
2., 2.])
In [36]: start_stop_nonNaN_slices(A)
Out[36]: [slice(1, 4, None), slice(5, 7, None), slice(10, 13, None)]
以不同格式输出
我。如果您需要这些开始、停止索引作为元组对 -
def start_stop_nonNaN_slices_v2(A):
mask = ~np.isnan(A)
mask_ext = np.r_[False, mask, False]
idx = np.flatnonzero(mask_ext[1:] != mask_ext[:-1])
return zip(idx[::2], idx[1::2])
示例运行 -
In [51]: A
Out[51]:
array([ nan, 1., 2., 3., nan, 4., 3., nan, nan, nan, 2.,
2., 2., nan, nan])
In [52]: start_stop_nonNaN_slices_v2(A)
Out[52]: [(1, 4), (5, 7), (10, 13)]
二.如果您同意将开始索引和停止索引作为两个输出数组,并且这应该非常有效,因为我们避免了任何列表理解或压缩 -
def start_stop_nonNaN_slices_v3(A):
mask = ~np.isnan(A)
mask_ext = np.r_[False, mask, False]
idx = np.flatnonzero(mask_ext[1:] != mask_ext[:-1])
return idx[::2], idx[1::2]
示例运行 -
In [74]: A
Out[74]:
array([ nan, 1., 2., 3., nan, 4., 3., nan, nan, nan, 2.,
2., 2., nan, nan])
In [75]: starts, stops = start_stop_nonNaN_slices_v3(A)
In [76]: starts
Out[76]: array([ 1, 5, 10])
In [77]: stops
Out[77]: array([ 4, 7, 13])
性能注意事项:为了性能,我们可以使用np.concatenate
来替换np.r_
:
mask_ext = np.concatenate(( [False], mask, [False] ))
关于python - NumPy 数组的有效(非 NaN)部分的开始、停止索引切片,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43982063/