Python &引用;“不放火”;具有给定掩码的numpy阵列
假设有两个数组,Python &引用;“不放火”;具有给定掩码的numpy阵列,python,numpy,vectorization,sparse-matrix,Python,Numpy,Vectorization,Sparse Matrix,假设有两个数组,vals包含值,masks包含布尔值,指示是使用vals中的值还是使用nans中的值。目标是构建一个与掩码长度相同的数组ret,其中包含vals中相应位置的值,这些值对应于掩码中的True条目 例如,假设 vals = np.array([1, 2]) masks = [True, False, False, True] 然后返回值ret,应该是 array([1, None, None, 2], dtype=object) 使用循环显然很容易做到这一点: import n
vals
包含值,masks
包含布尔值,指示是使用vals
中的值还是使用nan
s中的值。目标是构建一个与掩码
长度相同的数组ret
,其中包含vals
中相应位置的值,这些值对应于掩码
中的True
条目
例如,假设
vals = np.array([1, 2])
masks = [True, False, False, True]
然后返回值ret
,应该是
array([1, None, None, 2], dtype=object)
使用循环显然很容易做到这一点:
import numpy as np
def unsparse(vals, masks):
vals_i = 0
ret = []
for m in masks:
if m:
ret.append(vals[vals_i])
vals_i += 1
else:
ret.append(None)
return np.array(ret)
>> unsparse(np.array([1, 2]), [True, False, False, True])
array([1, None, None, 2], dtype=object)
有没有一种方法可以不使用循环而更简洁地执行此操作?您可以这样做-
out = np.empty(masks.shape,dtype=object)
out[masks] = vals[:masks.sum()]
请注意,:masks.sum()
从vals
中选择第一个N
元素,其中N
是掩码中TRUE
元素的数量
如果保证真实元素的数量与vals
中的元素数量相同,那么您只需执行以下操作即可-
out[masks] = vals
样本运行-
In [34]: vals = np.array([1, 2, 6, 8, 9])
...: masks = np.array([True, False, False, True, False, True])
...:
In [35]: out = np.empty(masks.shape,dtype=object)
...: out[masks] = vals[:masks.sum()]
...:
In [36]: out
Out[36]: array([1, None, None, 2, None, 6], dtype=object)
您真的希望该数组中的
None
?你打算做什么计算吗?