python - 将新列插入 numpy 数组

Question

我在 python 中有一个名为 my_values 的 numpy 数组，大小为 5x5，还有一个 numpy 向量，其中包含大小为 1x90 的 bool 值(5 False , 85 True) naned cols_indexes。我想用等于 False 的 cols_indexes 位置索引中的零来扩展我的初始数组 my_values。因此，最终我的转换矩阵 my_values 的大小应为 5x90(其中 85 个新列填充为零)。使用数组而不是 bool 向量的简单示例是:

def insert_one_per_row(arr, mask, putval):

   mask_ext = np.column_stack((mask, np.zeros((len(mask), 1), dtype=bool)))
   out = np.empty(mask_ext.shape, dtype=arr.dtype)
   out[~mask_ext] = arr.ravel()
   out[mask_ext] = putval
   return out

y = np.arange(25).reshape(5, 5)
x = np.array([[False,  True,  False, False, False],
          [False,  True,  False, False, False],
          [False,  True,  False, False, False],
          [False,  True,  False, False, False],
          [False,  True,  False, False, False]], dtype=bool)

arr = insert_one_per_row(y, x, putval=0)

此示例适用于 bool 数组。然而在我的例子中，x 是一个向量而不是一个数组。 x 对于我需要添加的位置中的新列包含 True ，对于最终数组位置中的现有列包含 False 。如何使用向量 x 而不是矩阵 x 插入新列？

Answer 1

您的输入 - 调整以适应工作:

In [73]: y = np.arange(1,21).reshape(5, 4)
    ...: x = np.array([[False,  True,  False, False, False],
    ...:           [False,  True,  False, False, False],
    ...:           [False,  True,  False, False, False],
    ...:           [False,  True,  False, False, False],
    ...:           [False,  True,  False, False, False]], dtype=bool)
    ...:           

整个数组屏蔽，大致是你的函数的作用

In [74]: res = np.full(x.shape, 0)    # assign the putval on creation
In [75]: res[~x] = y.ravel()
In [76]: res
Out[76]: 
array([[ 1,  0,  2,  3,  4],
       [ 5,  0,  6,  7,  8],
       [ 9,  0, 10, 11, 12],
       [13,  0, 14, 15, 16],
       [17,  0, 18, 19, 20]])

我们可以使用 where 从 1d 掩码中获取列索引，这里是一行 x:

In [77]: res[:, np.where(~x[0,:])[0]]
Out[77]: 
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12],
       [13, 14, 15, 16],
       [17, 18, 19, 20]])

赋值 - 但不要使用 ravel，因为 RHS 是 (4,5)。此索引不会像完整 bool 掩码那样展平数组:

In [80]: res[:, np.where(~x[0,:])[0]] = 2*y
In [81]: res
Out[81]: 
array([[ 2,  0,  4,  6,  8],
       [10,  0, 12, 14, 16],
       [18,  0, 20, 22, 24],
       [26,  0, 28, 30, 32],
       [34,  0, 36, 38, 40]])