评估数组中的 k 个相邻（正负）元素

Question

我一直在努力解决对一维 numpy 数组中的k 相邻元素施加不等式阈值的任务——我应该在左侧和右侧都添加。例如：

if x[i+-100] < .05:

这是我能表达的最好的，显然它不起作用。但我希望我的观点更清楚。换句话说，我想辨别元素 x 的正负 100 个元素内是否有任何元素的值大于 0.05。这是我的整个上下文功能：（这里我也有 -.05）

def vector_recode(x):
    if (x[i+-100]) > .05 or (x[i+-100]) < -.05:
        return X
    else:
        return 0
recode_function = np.vectorize(vector_recode)

--为了清楚起见，上面的函数试图获取足够接近零的值并将它们刷新为零，或者如果附近有任何 [+-100] 元素的值高于 0.05 in绝对条件，保持 x 不变。

我有一种下沉的感觉，我可能不得不求助于循环，但 np 的效率总是让我感到惊讶，我希望有人有洞察力，可以帮助像我这样处理k相邻的其他人元素。

我对此过程的其他研究涉及scipy.ndimage 和卷积矩阵。但是我不认为这种方法很容易适用于我的情况——这只是一维左右相邻元素。虽然我以前错了。非常感谢任何帮助。

如果有帮助，我会尝试做一个可行的例子：

    >>>A
[0.04,0.03,0.03,0.02,0.04]
    >>>recode_function(A)
[0,0,0,0,0]
    >>>B
[0.03,0.02,0.23,0.01,0.03]
    >>>recode_function(B)
[0.03,0.02,0.23,0.01,0.03]

这里让我们说它的正负 5 不是正负 100。在数组“A”中没有大于 .05 或小于 -.05 的值，因此 x 及其相邻元素将设置为零在向量化函数中。而在数组“B”中有一个大于 0.05 的元素。它是 0.23，因此这意味着该函数将保留 x 以及 x 的正负 5 个相邻元素。正如有人正确指出的那样，可能需要仔细处理边界元素。您可以将“A”和“B”想象为两个不同的数组或 1 个更大数组的分区。我不确定分区是否可行，但我对任何事情都持开放态度。希望这能让你更容易理解。

Answer 1

试着让你的 if 子句像这样

if (any(x[i:i+100:1]) > .05) and any((x[i-100:i+1:1]) < -.05):

但是，您还必须在 vector_recode 的定义中指定 i，即向量 x 中的索引。

另外this 的帖子似乎有你想要的更简洁的方式。

Answer 2

一个技巧是将数组裁剪为分别在-0.05 和0.05 的最小-最大限制，并检查哪些元素发生了变化，表明这些元素超出了这些最小-最大限制。这将导致一个二进制数组。然后，我们使用二元膨胀将这个 ANY 查找扩展到某个窗口大小。最后，基于扩展掩码，我们使用np.where 来选择是保留原始元素还是设置为0。

因此，实现将是 -

from scipy.ndimage.morphology import binary_dilation

def reset_arr(x, W, T): # x: input array, W : window size, T : threshold as +-
    mask = binary_dilation(x.clip(min=-T, max=T) != x,np.ones(2*W+1))
    return np.where(mask, x, 0)

示例运行 -

In [376]: x
Out[376]: 
array([ 0.06821936,  0.66300942,  0.15449635,  1.52260898,  0.41346868,
       -0.48343499,  0.45386276,  2.1888203 ,  0.36947105, -0.17660172])

In [377]: reset_arr(x, W = 1, T = 0.5)
Out[377]: 
array([ 0.06821936,  0.66300942,  0.15449635,  1.52260898,  0.41346868,
        0.        ,  0.45386276,  2.1888203 ,  0.36947105,  0.        ])

Answer 3

请注意，Python 的 abs() 函数也接受 NumPy 数组，并返回组件级结果：

>>> import numpy as np
>>> abs(np.array([-5, 1, -3.3, -2, 0, 11]))
array([  5. ,   1. ,   3.3,   2. ,   0. ,  11. ])

> 运算符也是如此，即使另一个操作数是标量：

>>> abs(np.array([0.01, 0.07, -0.07, -0.02, 5])) > 0.05
array([False,  True,  True, False,  True], dtype=bool)

我们可以将其插入Divakar's answer 的方法中：

from scipy.ndimage.morphology import binary_dilation

def recode_function(data, k, threshold):
    mask = binary_dilation( abs(data) > threshold, np.ones(2 * k + 1) )
    return np.where(mask, data, 0)

如果您不关心零值的符号，只需（按组件）乘以掩码和数据也可以：

from scipy.ndimage.morphology import binary_dilation

def recode_function(data, k, threshold):
    mask = binary_dilation( abs(data) > threshold, np.ones(2 * k + 1) )
    return mask * data