Python 为元组数组创建布尔掩码
我有一个2D numpy数组,它有一个shape(3,3)和dtype=object,其元素是形式(str,str,float)的元组 但是当我试图得到一个布尔掩码时Python 为元组数组创建布尔掩码,python,tuples,numpy-ndarray,Python,Tuples,Numpy Ndarray,我有一个2D numpy数组,它有一个shape(3,3)和dtype=object,其元素是形式(str,str,float)的元组 但是当我试图得到一个布尔掩码时 print(my_array == template) 答案全是假的 [[False False False] [False False False] [False False False]] 然而,元素级比较仍然有效 print(my_array[0,0] == template) # This prints True
print(my_array == template)
答案全是假的
[[False False False]
[False False False]
[False False False]]
然而,元素级比较仍然有效
print(my_array[0,0] == template) # This prints True
为什么布尔掩码返回全部False?如何使其工作
另外,我已经搜索了相关的主题,但无法使用任何
这里发生的是Python中的情况 所以当你这么做的时候
my_array == template
您实际正在做的(按行)是:
要验证情况是否如此,请尝试使用以下示例进行实验:
>>> other_array = np.array(['Apple', 'Orange', 5.0] * 3).reshape(3,3)
>>> other_array
array([['Apple', 'Orange', '5.0'],
['Apple', 'Orange', '5.0'],
['Apple', 'Orange', '5.0']], dtype='<U6')
>>> other_array == template
array([[ True, True, True],
[ True, True, True],
[ True, True, True]])
或
是否有需要元组数组的原因?数组中不能有另一个维度,或者可以使用pandas作为分类变量吗?元素是元组,因为它们来自pandas multiIndex,而行实际上表示多索引值的序列。稍后我需要使用np.where来查找与给定模板相等的索引。因此,如果有一种方法可以像你建议的那样,通过向数组中添加另一个维度来去除元组,我想就可以了!但是有没有简单的方法呢?谢谢你的解释,非常有帮助!我建议你再问一个问题,提供更多关于你拥有的数据和你想要实现的目标的信息。
('Apple', 'Orange', 5.0) == 'Apple'
('Apple', 'Orange', 5.0) == 'Orange'
('Apple', 'Orange', 5.0) == 5.0
>>> other_array = np.array(['Apple', 'Orange', 5.0] * 3).reshape(3,3)
>>> other_array
array([['Apple', 'Orange', '5.0'],
['Apple', 'Orange', '5.0'],
['Apple', 'Orange', '5.0']], dtype='<U6')
>>> other_array == template
array([[ True, True, True],
[ True, True, True],
[ True, True, True]])
mask = np.array(list(map(lambda x: x == template,
my_array.flatten()))).reshape(my_array.shape)
mask = np.array([x == template for x in my_array.flatten()]).reshape(my_array.shape)