Python 如何基于另一个数组的元素复制数组的元素？

我有另一个数组

预期值

，由未显示的代码生成，示例如下：

pop=np.zeros((population_size,chromosome_length))
for i in range(population_size):
    for j in range(i,chromosome_length):
        pop[i,j] = random.randint(0, 1)        
pop

array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],
       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],
       [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],
       [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],
       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],
       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])

然后，我想根据自定义间隔对

预期值

进行分类：

array([[1.99214608],
       [1.45140389],
       [0.07068525],
       [0.69507167],
       [1.08384057],
       [0.70685254]])

我希望最终输出为：

actual=np.zeros((population_size,1))
for i in range(len(expected)):
    if expected[i]>=1.5:
        actual[i]=2
    elif 1.5>expected[i]>=0.9:
        actual[i]=1
    else:
        actual[i]=0
actual=actual.astype(int)   
total_count=int(np.sum(actual))
print(total_count)

[[2]
 [1]
 [0]
 [0]
 [1]
 [0]]
 4

---

基于

总计数中的值

。

pop

的第一行复制了两次，第二行复制了一次，第五行复制了一次。简而言之，我想要的是基于另一个数组的整数元素重复/复制/复制一个数组的元素。

我将尝试在部分中解决这个问题，因为您使用NumPy数组就像它们是列表一样，因此首先会失去库的许多用途。虽然语法更加紧凑，但速度显著提高

创造人口 这个很简单。我们可以通过使用直接替换生成

pop

。我们需要指定

总体大小

和

染色体长度

的值，并使用这些值来指定输出大小

array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],
       [0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],
       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],
       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.]])

注意：这不会给出与实际问题中包含的值完全相同的值，因为我们尚未为随机数生成器设置种子。但是，代码直接等同于

for

循环，但性能更高

生成

预期值

我不能完全替换这个部分，因为替换循环太多了，有些变量也没有定义。所以，我只是假设我将得到与您所示相同的2D数组：

population_size = 6
chromosome_length = 10

pop = np.random.randint(0, 2, (population_size, chromosome_length))

将数据装箱 这有点复杂。我们可以利用来存储间隔（0、0.9和1.5）之间的数据。但是，这种方法不适用于二维阵列，因此我将首先使用它展平阵列

这将返回

的每个值所属的bin标识列表。然而，bin恒等式从1开始，我们想进一步使用这些值作为数组的指示符，所以我还要同时从结果中减去1

expected = np.array([[1.99214608],
                     [1.45140389],
                     [0.07068525],
                     [0.69507167],
                     [1.08384057],
                     [0.70685254]])

最后的步骤
我将创建一个与bin类别相对应的值数组。然后，我们可以使用相应的替换值替换
dig
的值

bins = np.array([0, 0.9, 1.5])
dig = np.digitize(expected.ravel(), bins) - 1

最后：），我们可以使用
actual
以正确的比例从
pop
中获取行来构建输出

最终代码
给出：

import numpy as np

population_size = 6
chromosome_length = 10

pop = np.random.randint(0, 2, (population_size, chromosome_length))

# But I'm going to deliberately overwrite the above to solve your particular case
pop = np.array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],
                [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],
                [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],
                [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],
                [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],
                [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])


# Hard-coded :/
expected = np.array([[1.99214608],
                     [1.45140389],
                     [0.07068525],
                     [0.69507167],
                     [1.08384057],
                     [0.70685254]])

bins = np.array([0, 0.9, 1.5])
dig = np.digitize(expected.ravel(), bins) - 1

replacements = np.array([0, 1, 2])
actual = np.take(replacements, dig)

out = np.repeat(pop, actual, axis=0)
print(out)

对不起，什么是
预期的
？你问题最下面的数组？不，我可以看到你那部分的代码，并且在你的问题中格式正确。我的意思是，名为
expected
的变量在哪里定义？最后一个数组是实际的，所以
expected
在哪里？我无法验证任何方法，除非我可以根据该集合输入进行验证。请把问题包括在伊托克，划掉它。现在还有更多的未知数。我们需要一个-我不需要代码来生成
预期的
，如果你能给我一个代表性的数组，这样我们就可以实际运行代码。我建议删除您刚才添加的代码感谢您的帮助。学到了很多：）
import numpy as np

population_size = 6
chromosome_length = 10

pop = np.random.randint(0, 2, (population_size, chromosome_length))

# But I'm going to deliberately overwrite the above to solve your particular case
pop = np.array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],
                [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],
                [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],
                [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],
                [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],
                [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])


# Hard-coded :/
expected = np.array([[1.99214608],
                     [1.45140389],
                     [0.07068525],
                     [0.69507167],
                     [1.08384057],
                     [0.70685254]])

bins = np.array([0, 0.9, 1.5])
dig = np.digitize(expected.ravel(), bins) - 1

replacements = np.array([0, 1, 2])
actual = np.take(replacements, dig)

out = np.repeat(pop, actual, axis=0)
print(out)

[[0. 1. 0. 1. 1. 1. 0. 0. 1. 1.]
 [0. 1. 0. 1. 1. 1. 0. 0. 1. 1.]
 [0. 0. 1. 0. 1. 0. 1. 1. 0. 0.]
 [0. 0. 0. 0. 1. 0. 1. 1. 0. 1.]]