在数组的布尔数组中使用 numpy any()

Question

我有一个由布尔组成的列表列表，比如说l = [[False, False], [True, False]]，我需要将l 转换为布尔数组的numpy 数组。我将每个子列表转换为布尔数组，并将整个列表也转换为 numpy 数组。我当前的真实列表有 121 个子列表，np.any() 的结果仅抛出 5 个结果，而不是预期的 121 个。我的代码是这样的：

    >>> result = np.array([ np.array(extracted[aindices[i]:aindices[i + 1]]) for i in range(len(aux_regions)) ])
    >>> np.any(result)
    [false, false, false, false, false]

extracted[aindices[i]:aindices[i + 1]] 是我转换为布尔数组的子列表。整行生成的列表也转换为数组。

在第一个示例中 l 的预期结果是，对于每个子数组（假设列表已转换）应该是 [False, True]

使用 np.any 有什么问题？还是转换后的列表的数据类型不正确？

Answer 1

如果你有一个布尔列表，你可以跳过 numpy 并使用简单的理解：

In [1]: l = [[False, False], [True, False]]

In [2]: [any(subl) for subl in l]
Out[2]: [False, True]

如果子列表的长度都相同，可以直接将列表传递给np.array，得到一个numpy布尔数组：

In [3]: import numpy as np

In [4]: result = np.array(l)

In [5]: result
Out[5]: 
array([[False, False],
       [ True, False]], dtype=bool)

然后你可以在轴1上使用any方法得到每一行的结果：

In [6]: result.any(axis=1)   # or `np.any(result, axis=1)`
Out[6]: array([False,  True], dtype=bool)

如果子列表的长度不同，那么 numpy 数组可能不是解决这个问题的最佳数据结构。

---

我的这部分答案应该被视为我上面所写内容的“侧边栏”。如果子列表的长度可变，我建议使用上面给出的列表理解。以下是使用高级 numpy 功能的替代方案。我只是建议它，因为看起来您已经拥有使用 numpy 的 reduceat 函数所需的数据结构。它无需显式形成列表即可工作。

通过阅读您的代码，我推断如下：

• extracted 是一个布尔列表。您正在将其拆分为子列表。
• aindices 是一个整数列表。 aindices 中的每对连续整数都指定了 extracted 中的一个范围，该范围是一个子列表。
• len(aux_regions) 是子列表的数量；我会打电话给n。 aindices的长度为n+1，aindices的最后一个值为extracted的长度。

例如，如果数据如下所示：

In [74]: extracted
Out[74]: [False, True, False, False, False, False, True, True, True, True, False, False]

In [75]: aindices
Out[75]: [0, 3, 7, 10, 12]

表示有四个子列表：

In [76]: extracted[0:3]
Out[76]: [False, True, False]

In [77]: extracted[3:7]
Out[77]: [False, False, False, True]

In [78]: extracted[7:10]
Out[78]: [True, True, True]

In [79]: extracted[10:12]
Out[79]: [False, False]

有了这些数据结构，你就可以使用 numpy 的 reduceat 特性了。在这种情况下，ufunc 是logical_or。你可以用这一行来计算结果：

In [80]: np.logical_or.reduceat(extracted, aindices[:-1])
Out[80]: array([ True,  True,  True, False], dtype=bool)