Python 交换numpy矩阵中的零
我有这样一个numpy矩阵:Python 交换numpy矩阵中的零,python,pandas,numpy,matrix,scikit-learn,Python,Pandas,Numpy,Matrix,Scikit Learn,我有这样一个numpy矩阵: array([[2, 1, 23, 32], [34, 3, 3, 0], [3, 33, 0, 0], [32, 0, 0, 0]], dtype=int32) 现在我想将所有数字向右移动,并将零向左移动,如下所示: array([[2, 1, 23, 32], [0, 34, 3, 3], [0, 0, 3, 33], [0, 0, 0, 32]], dtype=
array([[2, 1, 23, 32],
[34, 3, 3, 0],
[3, 33, 0, 0],
[32, 0, 0, 0]], dtype=int32)
现在我想将所有数字向右移动,并将零向左移动,如下所示:
array([[2, 1, 23, 32],
[0, 34, 3, 3],
[0, 0, 3, 33],
[0, 0, 0, 32]], dtype=int32)
有没有一种简单的python方法可以做到这一点,也许是使用numpy、pandas或scikit learn的api方法?以下是一种矢量化的方法- 样本运行-
In [90]: a
Out[90]:
array([[ 2, 1, 23, 32],
[34, 0, 3, 0], # <== Added a zero in between for variety
[ 3, 33, 0, 0],
[32, 0, 0, 0]])
# After code run -
In [92]: a
Out[92]:
array([[ 2, 1, 23, 32],
[ 0, 0, 34, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
In [94]: a
Out[94]:
array([[1, 1, 2, 3, 1, 0, 3, 0, 2, 1],
[2, 1, 0, 1, 2, 0, 1, 3, 1, 1],
[1, 2, 0, 3, 0, 3, 2, 0, 2, 2]])
# After code run -
In [96]: a
Out[96]:
array([[0, 0, 1, 1, 2, 3, 1, 3, 2, 1],
[0, 0, 2, 1, 1, 2, 1, 3, 1, 1],
[0, 0, 0, 1, 2, 3, 3, 2, 2, 2]])
运行时测试
适用于一般案例的方法-
# Proposed in this post
def masking_based(a):
valid_mask = a!=0
flipped_mask = valid_mask.sum(1,keepdims=1) > np.arange(a.shape[1]-1,-1,-1)
a[flipped_mask] = a[valid_mask]
a[~flipped_mask] = 0
return a
# @Psidom's soln
def sort_based(a):
return a[np.arange(a.shape[0])[:, None], (a != 0).argsort(1, kind="mergesort")]
时间安排-
In [205]: a = np.random.randint(0,4,(1000,1000))
In [206]: %timeit sort_based(a)
10 loops, best of 3: 30.8 ms per loop
In [207]: %timeit masking_based(a)
100 loops, best of 3: 6.46 ms per loop
In [208]: a = np.random.randint(0,4,(5000,5000))
In [209]: %timeit sort_based(a)
1 loops, best of 3: 961 ms per loop
In [210]: %timeit masking_based(a)
1 loops, best of 3: 151 ms per loop
方法:
In [181]:
# construct df from array
df = pd.DataFrame(a)
# call apply and call np.roll rowise and roll by the number of zeroes
df.apply(lambda x: np.roll(x, (x == 0).sum()), axis=1).values
Out[181]:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
这使用了
apply
,因此我们可以调用np。在非基于numpython的python中,通过每行中的零数来滚动-
>>> arr = [[2, 1, 23, 32],
... [34, 3, 3, 0],
... [3, 33, 0, 0],
... [32, 0, 0, 0]]
...
>>> t_arr = [[0 for _ in range(cur_list.count(0))]\
+ [i for i in cur_list if i!=0]\
for cur_list in arr]
>>> t_arr
[[2, 1, 23, 32], [0, 34, 3, 3], [0, 0, 3, 33], [0, 0, 0, 32]]
您还可以将numpy.argsort
用于:
您还可以在蒙版数组上执行排序,该方法将数组沿最后一个轴进行排序,axis=-1
,如图所示:
np.ma.array(a, mask=a!=0).sort()
现在a
变成:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
唯一的缺点是,它的速度不如上面提到的一些方法,但仍然有一个短的单行程序。一个基于行滚动的解决方案,本着@EDChum的
熊猫版的精神:
def rowroll(arr):
for row in arr:
row[:] = np.roll(row,-np.count_nonzero(row))
return arr
In [221]: rowroll(arr.copy())
Out[221]:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
np.count\u nonzero
是一种快速编译的查找非零数量的方法。np.where
使用它来查找其返回大小
但是看看np.roll
代码,我认为这项任务过于复杂,因为它可以与多个轴一起工作
这看起来更混乱,但我怀疑它即使不比滚动快,也同样快:
def rowroll(arr):
for row in arr:
n = np.count_nonzero(row)
temp = np.zeros_like(row)
temp[-n:] = row[:n]
row[:] = temp
return arr
roll
解决方案要求原始0中有尾随的0,而不是零散的0。这是一种更好的通用方法,因为它完全解决了OP所述的问题,但OP发布的样本数据不一定需要这些,仍然+1关于计时呢?你能比较解决方案吗?谢谢。@jezrael为尝试解决一般情况的解决方案添加了这些解决方案。这不会维持秩序。您需要使用'mergesort'
来执行此操作。顺便说一句,好主意,问题中提出的简短建议@迪瓦卡,你说得对。没有注意到这一点。df.apply
只是在行中迭代吗?将相同的lambda
应用于数组的每一行,而不进行pd
转换,如何?@hpaulj是的,np.roll
不接受除标量以外的任何东西,这就是为什么我这样做的原因发布的解决方案中有一个对您有效吗?是的!我正试图决定接受什么样的答案,这很难
def rowroll(arr):
for row in arr:
row[:] = np.roll(row,-np.count_nonzero(row))
return arr
In [221]: rowroll(arr.copy())
Out[221]:
array([[ 2, 1, 23, 32],
[ 0, 34, 3, 3],
[ 0, 0, 3, 33],
[ 0, 0, 0, 32]])
def rowroll(arr):
for row in arr:
n = np.count_nonzero(row)
temp = np.zeros_like(row)
temp[-n:] = row[:n]
row[:] = temp
return arr