时间戳

首页 > 解决方案 > Numpy，改变数组的行值，每一行满足一个特殊条件

arrays - Numpy，改变数组的行值，每一行满足一个特殊条件

问题描述

我有一个二维数组，它有大量的行（大于 5000）。

为了简单起见，假设 A 是我的矩阵的简单版本

A=([[1,2,2,3,3,3],
   [[2,1,1,7,7,7],
   [[4,4,1,1,1,1]])

现在，A 只有 3 行：

第一行有 3 个值：一个 1、两个 2、三个 3。

第二行有 3 个值，一个 2，两个 1，三个 7。

最后一行有 2 个值，两个 4，四个 1。

现在我可以很容易地找到每一行的多数值：

第一个是 3，第二个是 7，第三个是 1。（意味着我的代码已经找到每一行的多数值并将它们存储为 [3,7,1] ）

我想要做的是将每一行的多数值设置为 0。

意味着集合

A=([[1,2,2,0,0,0],
   [[2,1,1,0,0,0],
   [[4,4,0,0,0,0]])

A 只是一个简单的实例。我的矩阵有大量的行。

那么，如何更轻松、更高效地做这件事呢？

我不想编写一个 for 循环来设置每一行的值。

（意味着我可以做 A[0,A[0,:]==3]=0, A[1,A[1,:]==7]=0, A[2,A[2,:]= =1]=0，但这太复杂了）

我想要的是这样的表格：

A[:,A[:,:]==[3,7,1]]=0

但是numpy没有这个能力。

任何人都可以给我一个有效的方法吗？非常感谢！！！

对于更一般的情况，如果我想将每行的第一个最大值设置为 0，第二个最大值设置为 -1，第三个最大值（如果存在）设置为 -2 ....，该怎么做？

意味着设置：

A=([[-2,-1,-1,0,0,0],
   [[-2,-1,-1,0,0,0],
   [[-1,-1,0,0,0,0]])

标签： arraysnumpy

解决方案

方法#1

使用2D bincount-

# https://stackoverflow.com/a/46256361/ @Divakar
def bincount2D_vectorized(a):    
    N = a.max()+1
    a_offs = a + np.arange(a.shape[0])[:,None]*N
    return np.bincount(a_offs.ravel(), minlength=a.shape[0]*N).reshape(-1,N)

A[A==bincount2D_vectorized(A).argmax(1)[:,None]] = 0

样品运行 -

In [16]: A
Out[16]: 
array([[1, 2, 2, 3, 3, 3],
       [2, 1, 1, 7, 7, 7],
       [4, 4, 1, 1, 1, 1]])

In [17]: A[A==bincount2D_vectorized(A).argmax(1)[:,None]] = 0

In [18]: A
Out[18]: 
array([[1, 2, 2, 0, 0, 0],
       [2, 1, 1, 0, 0, 0],
       [4, 4, 0, 0, 0, 0]])

方法#2

有效使用2D mode-

A[A==mode(A.T,axis=0)[0][:,None]] = 0

或者，从同一个问答中，我们可以使用 Scipy -

from scipy import stats

A[A==stats.mode(A.T)[0][0][:,None]] = 0

推荐阅读