将索引重新对齐到已更改的python集合_Python

将索引重新对齐到已更改的python集合

python

将索引重新对齐到已更改的python集合,python,Python,我有一组数据和一个变量，其中包含一些数据的索引。对数据应用过滤操作，以消除数据的子集。我希望移动索引，以便它们引用更新的数据集合（删除已删除实例的索引）我正在下面的函数中使用实现。我还发布了我用来验证它是否有效的代码。有没有一种快速的方法可以通过核心库重新调整索引，或者有一种更好的方法随机导入 def align_索引（需要idx，掩码）： """ 函数在删除后将一组索引与集合对齐，用面具表示论据：想要\u idx：删除前所需整数索引的列表掩码：二进制掩码，其中1表示删除后仍然

我有一组数据和一个变量，其中包含一些数据的索引。对数据应用过滤操作，以消除数据的子集。我希望移动索引，以便它们引用更新的数据集合（删除已删除实例的索引）

我正在下面的函数中使用实现。我还发布了我用来验证它是否有效的代码。有没有一种快速的方法可以通过核心库重新调整索引，或者有一种更好的方法

随机导入
def align_索引（需要idx，掩码）：
"""
函数在删除后将一组索引与集合对齐，
用面具表示
论据：
想要\u idx：删除前所需整数索引的列表
掩码：二进制掩码，其中1表示删除后仍然存在的元素
返回：
删除后（幸存）所需元素的整数索引列表
"""
#重建索引：删除悬挂
new_idx=[idx for（i，idx）in enumerate（通缉_idx）if mask[idx]]
#删除标记
not_mask=[int（非m）表示mask中的m]
#累积删除区域
重新调整的_idx=[k-sum（非_掩码[:k+1]），用于新的_idx中的k]
返回重新对齐的\u idx
#资料
数据=[random.randint（0500）表示范围（1000）]
rng=列表（范围（长度（数据）））
对于范围（1000）内的：
#随机数据删除/请求
通缉犯_idx=random.sample（rng，random.randint（5100））
del_index=random.sample（rng，random.randint（5100））
#应用删除
掩码=[int（i不在delu索引中）表示i在范围内（len（数据））]
过滤的_数据=[枚举（掩码）中（i，m）的数据[i]，如果m]
重新对齐的索引=对齐的索引（需要idx，掩码）
#核实
new_idx=[idx for（i，idx）in enumerate（通缉_idx）if mask[idx]]
l1=[新_idx中k的数据[k]
l2=[重新对齐的_索引中k的过滤_数据[k]
断言l1==l2

如果您使用numpy，它非常简单：

import numpy as np

mask = np.array(mask, dtype=np.bool)
new_idx = np.cumsum(mask, dtype=np.int64)
new_idx[mask] = -1

除非删除更多元素，否则不需要重新计算

new\u idx

然后，只需查看

new\u idx[i]

即可获得旧索引

的重新映射索引。或一次完成整个阵列：

wanted_idx = np.array(wanted_idx, dtype=np.int64)
remapped_idx = new_idx[wanted_idx]

请注意，删除的索引将获得赋值

-1

。如果需要，您可以过滤掉这些内容：

remapped_idx = remapped_idx[remapped_idx >= 0]