Python：在矩阵上循环以检查向量中的所有值_Python_Arrays_Pandas_Numpy_Vector

Python：在矩阵上循环以检查向量中的所有值

python arrays pandas numpy vector

Python：在矩阵上循环以检查向量中的所有值,python,arrays,pandas,numpy,vector,Python,Arrays,Pandas,Numpy,Vector,我有一个向量：possibleGrades=np.array（[-3,0,2,4,7,10,12]）我想让计算机告诉我，在这个矩阵中，哪些值不是来自向量： [[ 7. 7. 4. ] [12. 10. 10. ] [-3. 7. 2. ] [10. 8. 12. ] [ nan 7. nan] [ 7. 7. 10. ] [ 4.5 nan 2. ] [ 2. 12. 4. ]] 我的想法是： for i in range

我有一个向量：

possibleGrades=np.array（[-3,0,2,4,7,10,12]）

我想让计算机告诉我，在这个矩阵中，哪些值不是来自向量：

    [[ 7.   7.   4. ]
 [12.  10.  10. ]
 [-3.   7.   2. ]
 [10.   8.  12. ]
 [ nan  7.   nan]
 [ 7.   7.  10. ]
 [ 4.5  nan  2. ]
 [ 2.  12.   4. ]]

我的想法是：

for i in range(matrixGr):
    if (-3) in matrixGr:
        pass
    elif 0 in matrixGr:
        pass
    elif 2 in matrixGr:
        pass
    elif 4 in matrixGr:
        pass
    elif 7 in matrixGr:
        pass
    elif 10 in matrixGr:
        pass
    elif 12 in matrixGr:
        pass
    else:
        print("The data set contains incorrect grades at {location?}!")

但这是不可能的，如何做到这一点超出了我的心智能力

什么是明智和可行的方法

如果可以说“X行包含无效的等级8（例如）”，那么字符串为“row{:s}的内容具有无效的等级{:s}”和.format（“智能内容”）的话，那就太好了

有人能帮忙吗？

这里有一个简单的单行程序，它使用列表理解和枚举（）函数返回不在“良好等级”列表中的索引：

goodgrades = [-3,0,2,4,7,10,12]
testgrades = [10,-3,11]
badgrades = [ind for ind, i in enumerate(testgrades) if i not in goodgrades]

def checkgrades(grades):
    return [ind for ind, i in enumerate(grades) if i not in goodgrades]

testgrades=[7,10,7]不返回任何内容，而[7，-1,7]返回[1]

要将其展开为等级列表列表，可以将其用作函数：

goodgrades = [-3,0,2,4,7,10,12]
testgrades = [10,-3,11]
badgrades = [ind for ind, i in enumerate(testgrades) if i not in goodgrades]

def checkgrades(grades):
    return [ind for ind, i in enumerate(grades) if i not in goodgrades]

现在，您可以在循环中使用它并逐行打印测试结果：

for row in range(len(grades)):
    badgrades = checkgrades(grades[row])
    if badgrades != []:
        print('Bad grades found in row {} at indices {}'.format(row, badgrades))

下面是一个简单的单行程序，它使用列表理解和enumerate（）函数返回不在“goodgrades”列表中的索引：

goodgrades = [-3,0,2,4,7,10,12]
testgrades = [10,-3,11]
badgrades = [ind for ind, i in enumerate(testgrades) if i not in goodgrades]

def checkgrades(grades):
    return [ind for ind, i in enumerate(grades) if i not in goodgrades]

testgrades=[7,10,7]不返回任何内容，而[7，-1,7]返回[1]

要将其展开为等级列表列表，可以将其用作函数：

goodgrades = [-3,0,2,4,7,10,12]
testgrades = [10,-3,11]
badgrades = [ind for ind, i in enumerate(testgrades) if i not in goodgrades]

def checkgrades(grades):
    return [ind for ind, i in enumerate(grades) if i not in goodgrades]

现在，您可以在循环中使用它并逐行打印测试结果：

for row in range(len(grades)):
    badgrades = checkgrades(grades[row])
    if badgrades != []:
        print('Bad grades found in row {} at indices {}'.format(row, badgrades))

你可以试试这个：

import numpy as np

possibleGrades = np.array([-3, 0, 2, 4, 7, 10, 12])

matrixGr = np.array([[7, 7, 4],
                   [12, 10, 10],
                   [-3, 7, 2],
                   [10, 8, 12],
                   [np.nan, 7, np.nan],
                   [7, 7, 10],
                   [4.5, np.nan, 2],
                   [2, 12, 4]])

locations = [(i, j) for i in range(matrixGr.shape[0]) for j in range(matrixGr.shape[1]) if matrixGr[i, j] not in possibleGrades]

possibleGrades = np.array([-3,0,2,4,7,10,12])
matrix = np.array([
    [ 7. ,  7.,   4. ],
    [12.,  10.  ,10. ],
    [-3.,   7.  , 2. ],
    [10.,   8.  ,12. ],
    [ np.nan,  7.  , np.nan],
    [ 7. ,  7.  ,10. ],
    [ 4.5,  np.nan , 2. ],
    [ 2. , 12.,   4. ]
])
line, col = np.where(np.isin(matrix, possibleGrades, invert=True))
print('locations:')
[print(f'Invalid value {matrix[line[i],col[i]]} at location ({line[i]},{col[i]})') for i in range(line.size)]

祝你好运

您可以尝试以下方法：

import numpy as np

possibleGrades = np.array([-3, 0, 2, 4, 7, 10, 12])

matrixGr = np.array([[7, 7, 4],
                   [12, 10, 10],
                   [-3, 7, 2],
                   [10, 8, 12],
                   [np.nan, 7, np.nan],
                   [7, 7, 10],
                   [4.5, np.nan, 2],
                   [2, 12, 4]])

locations = [(i, j) for i in range(matrixGr.shape[0]) for j in range(matrixGr.shape[1]) if matrixGr[i, j] not in possibleGrades]

possibleGrades = np.array([-3,0,2,4,7,10,12])
matrix = np.array([
    [ 7. ,  7.,   4. ],
    [12.,  10.  ,10. ],
    [-3.,   7.  , 2. ],
    [10.,   8.  ,12. ],
    [ np.nan,  7.  , np.nan],
    [ 7. ,  7.  ,10. ],
    [ 4.5,  np.nan , 2. ],
    [ 2. , 12.,   4. ]
])
line, col = np.where(np.isin(matrix, possibleGrades, invert=True))
print('locations:')
[print(f'Invalid value {matrix[line[i],col[i]]} at location ({line[i]},{col[i]})') for i in range(line.size)]

祝你好运

也许你可以试试这个：

import numpy as np

possibleGrades = np.array([-3, 0, 2, 4, 7, 10, 12])

matrixGr = np.array([[7, 7, 4],
                   [12, 10, 10],
                   [-3, 7, 2],
                   [10, 8, 12],
                   [np.nan, 7, np.nan],
                   [7, 7, 10],
                   [4.5, np.nan, 2],
                   [2, 12, 4]])

locations = [(i, j) for i in range(matrixGr.shape[0]) for j in range(matrixGr.shape[1]) if matrixGr[i, j] not in possibleGrades]

possibleGrades = np.array([-3,0,2,4,7,10,12])
matrix = np.array([
    [ 7. ,  7.,   4. ],
    [12.,  10.  ,10. ],
    [-3.,   7.  , 2. ],
    [10.,   8.  ,12. ],
    [ np.nan,  7.  , np.nan],
    [ 7. ,  7.  ,10. ],
    [ 4.5,  np.nan , 2. ],
    [ 2. , 12.,   4. ]
])
line, col = np.where(np.isin(matrix, possibleGrades, invert=True))
print('locations:')
[print(f'Invalid value {matrix[line[i],col[i]]} at location ({line[i]},{col[i]})') for i in range(line.size)]

您应该得到以下结果：

locations:
Invalid value 8.0 at location (3,1)
Invalid value nan at location (4,0)
Invalid value nan at location (4,2)
Invalid value 4.5 at location (6,0)
Invalid value nan at location (6,1)

：查找向量中的元素，但选项invert=True可用于反转结果
：查找与True元素对应的行和列

import numpy as np

possibleGrades = np.array([-3, 0, 2, 4, 7, 10, 12])

matrixGr = np.array([[7, 7, 4],
                   [12, 10, 10],
                   [-3, 7, 2],
                   [10, 8, 12],
                   [np.nan, 7, np.nan],
                   [7, 7, 10],
                   [4.5, np.nan, 2],
                   [2, 12, 4]])

locations = [(i, j) for i in range(matrixGr.shape[0]) for j in range(matrixGr.shape[1]) if matrixGr[i, j] not in possibleGrades]

possibleGrades = np.array([-3,0,2,4,7,10,12])
matrix = np.array([
    [ 7. ,  7.,   4. ],
    [12.,  10.  ,10. ],
    [-3.,   7.  , 2. ],
    [10.,   8.  ,12. ],
    [ np.nan,  7.  , np.nan],
    [ 7. ,  7.  ,10. ],
    [ 4.5,  np.nan , 2. ],
    [ 2. , 12.,   4. ]
])
line, col = np.where(np.isin(matrix, possibleGrades, invert=True))
print('locations:')
[print(f'Invalid value {matrix[line[i],col[i]]} at location ({line[i]},{col[i]})') for i in range(line.size)]

locations:
Invalid value 8.0 at location (3,1)
Invalid value nan at location (4,0)
Invalid value nan at location (4,2)
Invalid value 4.5 at location (6,0)
Invalid value nan at location (6,1)

：查找向量中的元素，但选项invert=True可用于反转结果
：查找与True元素对应的行和列

矩阵GR

可能等级中，则返回True，否则返回False：
>>> np.any(np.stack([grade==matrixGr for grade in possibleGrades]),axis=0)
array([[ True,  True,  True],
       [ True,  True,  True],
       [ True,  True,  True],
       [ True, False,  True],
       [False,  True, False],
       [ True,  True,  True],
       [False, False,  True],
       [ True,  True,  True]])

如果您想要相反的结果，只需在其周围添加np.logical\u not（）
：
>>> np.logical_not(np.any(np.stack([e==mat for e in possibleGrades]),axis=0))
array([[False, False, False],
       [False, False, False],
       [False, False, False],
       [False,  True, False],
       [ True, False,  True],
       [False, False, False],
       [ True,  True, False],
       [False, False, False]])

简而言之，它所做的是为possibleGrades
中的每个等级构建一个布尔矩阵，然后聚合所有结果。
这里有一个一行程序，返回与matrixGr
大小相同的布尔矩阵，如果等级在possibleGrades
中，则为True，否则为False：
>>> np.any(np.stack([grade==matrixGr for grade in possibleGrades]),axis=0)
array([[ True,  True,  True],
       [ True,  True,  True],
       [ True,  True,  True],
       [ True, False,  True],
       [False,  True, False],
       [ True,  True,  True],
       [False, False,  True],
       [ True,  True,  True]])

如果您想要相反的结果，只需在其周围添加np.logical\u not（）
：
>>> np.logical_not(np.any(np.stack([e==mat for e in possibleGrades]),axis=0))
array([[False, False, False],
       [False, False, False],
       [False, False, False],
       [False,  True, False],
       [ True, False,  True],
       [False, False, False],
       [ True,  True, False],
       [False, False, False]])

简而言之，它的作用是为可能等级中的每个等级构建一个布尔矩阵，然后聚合所有结果。
注意：虽然这种方法比Robustus答案更详细，但它适用于每个等级子列表具有不同等级数目的列表。这两种方法都很有价值，取决于您需要什么！注意：虽然这种方法比Robustus答案更详细，但它适用于每个等级子列表具有不同等级数的列表。这两种方法都很有价值，取决于您需要什么！非常感谢。这很有帮助！现在我有一个后续问题：`line，col=np.where（np.isin（matrixGrades，possibleGrades，invert=True））print（'displating error or missing grades:\n'）[print（f'error missing or missing grades in row{line[I]}行{line[I]}列}！displating error grade:{INSERT VALUE}'），对于范围（line.size）内的I，我该怎么做？所以它显示了不正确的行中的值？我尝试了matrix[I]
，但没有成功。我还想知道，我是否可以进行编辑，使其不以第1行为0开头，但实际上第1行和第1列为1，而不是第0列？我编辑了答案。要从值1开始，您可以将一个添加到行和列数组中，以便（1,1）对应于第一个元素。谢谢！这很有帮助！现在我有一个后续问题：`line，col=np.where（np.isin（matrixGrades，possibleGrades，invert=True））print（'displating error or missing grades:\n'）[print（f'error missing or missing grades in row{line[I]}行{line[I]}列}！displating error grade:{INSERT VALUE}'），对于范围（line.size）内的I，我该怎么做？所以它显示了不正确的行中的值？我尝试了matrix[I]
，但没有成功。我还想知道，我是否可以进行编辑，使其不以第1行为0开头，但实际上第1行和第1列为1，而不是第0列？我编辑了答案。要从值1开始，可以将一个值添加到行和列数组中，以便（1,1）对应于第一个元素。