在 numpy 数组中查找 False-True 转换答案

【问题标题】：Finding False-True transitions in a numpy array在 numpy 数组中查找 False-True 转换
【发布时间】：2018-05-24 20:07:12
【问题描述】：

给定一个 numpy 数组：

x = np.array([False, True, True, False, False, False, False, False, True, False])

如何找到值从 False 变为 True 的次数？对于上面的例子，答案是 2。我不想在计数中包含从 True 到 False 的转换。

根据How do I identify sequences of values in a boolean array? 的答案，下面会生成值即将更改的索引，这不是我想要的，因为这包括真假转换。

np.argwhere(np.diff(x)).squeeze()
# [0 2 7 8]

我知道这可以通过遍历数组来完成，但是我想知道是否有更快的方法来做到这一点？

【问题讨论】：

【解决方案1】：

我有点喜欢使用 numpy 方法“roll”来解决这类问题...... "roll" 将数组向左旋转一些步长：(-1,-2,...) 或向右 (1,2,...)

import numpy as np
np.roll(x,-1)

...这将给出 x 但向左移动了一步：

array([ True,  True, False, False, False, False, False,  True, False, False], 
dtype=bool)

一个 False 后跟一个 True 可以表示为：

~x & np.roll(x,-1)

array([ True, False, False, False, False, False, False,  True, False, False], 
dtype=bool)

【讨论】：

【解决方案2】：

获取一次性切片 - x[:-1]（从第一个元素开始，到倒数第二个元素结束）和x[1:]（从第二个元素开始，一直持续到最后），然后寻找第一个切片小于第二个，即捕捉[False, True]的模式，最后得到ndarray.sum()或np.count_nonzero()的计数-

(x[:-1] < x[1:]).sum()
np.count_nonzero(x[:-1] < x[1:])

另一种方法是查找第一个切片为False，第二个切片为True，这个想法再次是捕捉[False, True] 的模式-

(~x[:-1] & x[1:]).sum()
np.count_nonzero(~x[:-1] & x[1:])

【讨论】：