Python：根据掩码将列插入到numpy数组中答案

【问题标题】：Python: Insert columns into a numpy array based on maskPython：根据掩码将列插入到numpy数组中
【发布时间】：2022-01-12 09:21:40
【问题描述】：

假设我有以下数据：

mask = [[0, 1, 1, 0, 1]] # 2D mask
ip_array = [[4, 5, 2]
            [3, 2, 1]
            [1, 8, 6]] # 2D array

我想将 0 的列插入到 ip_array 中，只要掩码中有 0。所以输出应该是这样的：

[[0, 4, 5, 0, 2]
 [0, 3, 2, 0, 1]
 [0, 1, 8, 0, 6]]

我是 numpy 函数的新手，我正在寻找一种有效的方法来做到这一点。任何帮助表示赞赏！

【问题讨论】：

高效如何？没有python循环？（仅 numpy 使用？）
我正在尝试使用 numpy 来做到这一点
你的 n 值是多少？ (len(mask) 和 len(ip_array)) 平均？（mini 和 maxi？）因为在“设置”时使用 numpy 很耗时，所以有一个阈值，在这个阈值中使用或不使用它是个好主意......
掩码和ndarray的长度会不时变化

标签： python numpy numpy-ndarray mask

【解决方案1】：

这是一种分两步完成的方法：

(i) 创建一个正确形状的零数组（ip_array 的第一个维度和mask 的第二个维度）

(ii) 在第二维上使用mask（作为布尔掩码）并将ip_array 的值分配给零数组。

out = np.zeros((ip_array.shape[0], mask.shape[1])).astype(int)
out[..., mask[0].astype(bool)] = ip_array
print(out)

输出：

[[0 4 5 0 2]
 [0 3 2 0 1]
 [0 1 8 0 6]]

【讨论】：

非常感谢！没想到这么简单：）

【解决方案2】：

这是另一种使用切片的方法，带有 cumsum 掩码和输入中的额外 0 列。 cumsum 掩码将具有ip_array + 1 和 0 的索引，只要添加零。连接数组有一个额外的初始零列，因此使用 0 进行索引会产生一列零。

m = (mask.cumsum()*mask)[0]
# array([0, 1, 2, 0, 3])

np.c_[np.zeros(ip_array.shape[0]), ip_array][:,m].astype(int)

# array([[0, 4, 5, 0, 2],
#        [0, 3, 2, 0, 1],
#        [0, 1, 8, 0, 6]])

【讨论】：

【解决方案3】：

带有参数和其他方法的解决方案，而不是绿色检查。所以比较好理解。只是最后一行对操作很重要。

import numpy
import random

n1 = 5
n2 = 5
r = 0.7
random.seed(1)
a = numpy.array([[0 if random.random() > r else 1 for _ in range(n1)]])
n3 = numpy.count_nonzero(a)
b = numpy.array([[random.randint(1,9) for _ in range(n3)] for _ in range(n2)])
c = numpy.zeros((n2, n1))
c[:, numpy.where(a)[1]] = b[:]

结果：

a = array([[1, 0, 0, 1, 1]])
b = array([[8, 8, 7],
       [4, 2, 8],
       [1, 7, 7],
       [1, 8, 5],
       [4, 2, 6]])
c = array([[8., 0., 0., 8., 7.],
       [4., 0., 0., 2., 8.],
       [1., 0., 0., 7., 7.],
       [1., 0., 0., 8., 5.],
       [4., 0., 0., 2., 6.]])

您的时间处理取决于 n 值：

使用此代码：

import numpy
import random
import time
import matplotlib.pyplot as plt

n1 = 5
n2 = 5
r = 0.7


def main(n1, n2):
    print()
    print(f"{n1 = }")
    print(f"{n2 = }")
    random.seed(1)
    a = numpy.array([[0 if random.random() > r else 1 for _ in range(n1)]])
    n3 = numpy.count_nonzero(a)
    b = numpy.array([[random.randint(1,9) for _ in range(n3)] for _ in range(n2)])
    t0 = time.time()
    c = numpy.zeros((n2, n1))
    c[:, numpy.where(a)[1]] = b[:]
    t = time.time() - t0
    print(f"{t = }")
    return t


t1 = [main(10**i, 10) for i in range(1, 8)]
t2 = [main(10, 10**i) for i in range(1, 8)]

plt.plot(t1, label="n1 time process evolution")
plt.plot(t2, label="n2 time process evolution")

plt.xlabel("n-values (log)")
plt.ylabel("Time processing (s)")
plt.title("Insert columns into a numpy array based on mask")
plt.legend()
plt.show()

【讨论】：

【解决方案4】：

mask = np.array([0, 1, 1, 0, 1])
#extract indices of zeros
mask_pos = (list(np.where(mask == 0)[0]))
ip_array =np.array([[4, 5, 2],
        [3, 2, 1],
        [1, 8, 6]])

#insert 0 at respextive mask position
for i in mask_pos:
    ip_array = np.insert(ip_array,i,0,axis=1)

print(ip_array)

【讨论】：