如何通过 1D 列表中的值屏蔽 2D numpy 矩阵的行？答案

【问题标题】：How to mask rows of a 2D numpy matrix by values in 1D list?如何通过 1D 列表中的值屏蔽 2D numpy 矩阵的行？
【发布时间】：2021-08-30 20:22:01
【问题描述】：

我有一个 2D numpy 数组，如下所示：

a = np.array([[0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4]])

还有一个如下所示的一维列表：

b = [4, 3, 2, 3, 4]

我想根据给定行中的哪些值小于我的一维列表 (b) 中的相应值来屏蔽我的二维数组 (a)。例如，根据该行中的哪些值小于 b[0] 处的值，将屏蔽 a[0] 行；与行 a[1] 和 b[1] 处的值相同，依此类推...

我希望得到的是一个二维布尔数组：

mask_bools = [[True, True, True, True, False],
              [True, True, True, False, False],
              [True, True, False, False, False],
              [True, True, True, False, False],
              [True, True, True, True, False]]

我有一个愚蠢的方法来实现这个循环：

mask_bools = []
for i in range(len(b)):
    mask_bools.append(np.ma.masked_less(a[i], b[i]).mask)
mask_bools = np.array(mask_bools)

但我觉得必须有更好/更快的方法来做到这一点，从而更好地利用 numpy 功能。有任何想法吗？谢谢！

【问题讨论】：

标签： python arrays numpy masking

【解决方案1】：

您可以使用np.vectorize 来实现此目的。创建一个函数，比较适当索引处的值并返回一个布尔值。

它基本上和你现在做的一样，但正如你所说，这只是 NumPy 实现。

【讨论】：

【解决方案2】：

你可以试试这个：

import numpy as np
a = np.array([[0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4]])


b = np.array([[4, 3, 2, 3, 4],]*len(a)).T

a < b

array([[ True,  True,  True,  True, False],
       [ True,  True,  True, False, False],
       [ True,  True, False, False, False],
       [ True,  True,  True, False, False],
       [ True,  True,  True,  True, False]])

为了更高效的使用：

b = np.tile(np.array([[4, 3, 2, 3, 4]]).transpose(), (1, len(a)))

然而，这更难阅读。

【讨论】：

【解决方案3】：

试试broadcasting小于：

a < b[:, None]

[[ True  True  True  True False]
 [ True  True  True False False]
 [ True  True False False False]
 [ True  True  True False False]
 [ True  True  True  True False]]

import numpy as np

a = np.array([[0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4],
              [0, 1, 2, 3, 4]])

b = np.array([4, 3, 2, 3, 4])

c = a < b[:, None]

# Test equality with expected output
mask_bools = np.array([[True, True, True, True, False],
                       [True, True, True, False, False],
                       [True, True, False, False, False],
                       [True, True, True, False, False],
                       [True, True, True, True, False]])

print((c == mask_bools).all().all())  # True

【讨论】：