Python 如何替换numpy中的轴参数
我的代码如下Python 如何替换numpy中的轴参数,python,numpy,Python,Numpy,我的代码如下 np.array([points[label==k]。范围内k的平均值(axis=0)(self.k)]) Points是一个n x d数组,label是一个1 x n数组,最大值为k,k是一个数字 我的目标是删除axis参数,并且仍然得到相同的结果,还有数组part label==k的索引,我想重写 你们当中有人有这样做的方法吗 我猜你在寻找一个矢量化的解决方案。这里有一个是矩阵乘法- def matmul(points, label): k = label.max()
np.array([points[label==k]。范围内k的平均值(axis=0)(self.k)])
Points是一个n x d数组,label是一个1 x n数组,最大值为k,k是一个数字
我的目标是删除axis参数,并且仍然得到相同的结果,还有数组part label==k的索引,我想重写
你们当中有人有这样做的方法吗 我猜你在寻找一个矢量化的解决方案。这里有一个是矩阵乘法-
def matmul(points, label):
k = label.max()+1
mask = label == np.arange(k)[:,None]
out = mask.dot(points)/mask.sum(1,keepdims=True)
return out
下面是另一个带有np.add.reduceat
-
def add_reduceat(points, label):
k = label.max()+1
sidx = label.argsort()
ps = points[sidx]
ls = label[sidx]
cutidx = np.flatnonzero(np.r_[True,ls[:-1] != ls[1:],True])
lens = np.diff(cutidx)
out = np.full((k,points.shape[1]),np.nan)
idx_rows = ls[cutidx[:-1]]
mean_vals = np.add.reduceat(ps,cutidx[:-1],axis=0)/lens[:,None]
out[idx_rows] = mean_vals
return out
样本运行-
In [220]: n,d,k = 10000,100,100
...: np.random.seed(0)
...: points = np.random.rand(n,d)
...: label = np.random.randint(0,k,(n))
In [221]: out0 = np.array([points[label==k_i].mean(axis = 0) for k_i in range(k)])
In [222]: np.allclose(matmul(points, label),out0)
Out[222]: True
In [223]: np.allclose(add_reduceat(points, label),out0)
Out[223]: True
这些是一些很好的解决方案,我非常喜欢面具选项!它在numpy中工作得非常好。我是numpy的叉子还没有实现keepdims,有没有办法不实现它?@Shadesfear是的,只需使用
mask.sum(1)[:,None]
替换mask.sum(1,keepdims=True)
。谢谢!那太好了,你有什么我可以读的关于如何编写我自己的矢量化代码的材料吗?@Shadesfear-well矢量化是一个非常广泛的话题。我只是建议按照这里的矢量化问题。目前无法建议任何外部参考。