假设我有一个 NumPy 数组:
x = np.array([2, 3, 4, 0, 0, 1, 1, 4, 6, 5, 8, 9, 9, 4, 2, 0, 3])
对于
x >= 2
中的所有值,我需要找到连续值 x >=2
的开始/停止索引(即,一个大于或等于 2 的单个值的运行不计算在内)。然后,我对 x >= 3
重复此操作, x >=4
, ..., x >= x.max()
. 输出应该是一个 NumPy 数组 三列(第一列是最小值,第二列是包含开始索引,第三列是停止索引)并且看起来像:[[2, 0, 2],
[2, 7, 14],
[3, 1, 2],
[3, 7, 13],
[4, 7, 13],
[5, 8, 12],
[6, 10, 12],
[8, 10, 12],
[9, 11, 12]
]
天真地,我可以查看每个唯一值,然后搜索开始/停止索引。但是,这需要对
x
进行多次传递。 .完成此任务的最佳 NumPy 矢量化方法是什么?是否有不需要多次传递数据的解决方案?更新
我意识到我还需要计算单个实例。所以,我的输出应该是:
[[2, 0, 2],
[2, 7, 14],
[2, 16, 16], # New line needed
[3, 1, 2],
[3, 7, 13],
[3, 16, 16], # New line needed
[4, 2, 2], # New line needed
[4, 7, 13],
[5, 8, 12],
[6, 8, 8], # New line needed
[6, 10, 12],
[8, 10, 12],
[9, 11, 12]
]
最佳答案
这是另一个解决方案(我认为可以改进):
import numpy as np
from numpy.lib.stride_tricks import as_strided
x = np.array([2, 3, 4, 0, 0, 1, 1, 4, 6, 5, 8, 9, 9, 4, 2, 0, 3])
# array of unique values of x bigger than 1
a = np.unique(x[x>=2])
step = len(a) # if you encounter memory problems, try a smaller step
result = []
for i in range(0, len(a), step):
ai = a[i:i + step]
c = np.argwhere(x >= ai[:, None])
c[:,0] = ai[c[:,0]]
c = np.pad(c, ((1,1), (0,0)), 'symmetric')
d = np.where(np.diff(c[:,1]) !=1)[0]
e = as_strided(d, shape=(len(d)-1, 2), strides=d.strides*2).copy()
# e = e[(np.diff(e, axis=1) > 1).flatten()]
e[:,0] = e[:,0] + 1
result.append(np.hstack([c[:,0][e[:,0, None]], c[:,1][e]]))
result = np.concatenate(result)
# array([[ 2, 0, 2],
# [ 2, 7, 14],
# [ 2, 16, 16],
# [ 3, 1, 2],
# [ 3, 7, 13],
# [ 3, 16, 16],
# [ 4, 2, 2],
# [ 4, 7, 13],
# [ 5, 8, 12],
# [ 6, 8, 8],
# [ 6, 10, 12],
# [ 8, 10, 12],
# [ 9, 11, 12]])
很抱歉没有评论每个步骤的作用——如果以后我会找时间修复它。
关于python - 查找 NumPy 数组中大于 N 的值的开始/停止索引范围,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60580127/