在python中使用索引重塑向量答案

【问题标题】：Reshaping vector with indices in python在python中使用索引重塑向量
【发布时间】：2013-12-03 17:17:53
【问题描述】：

我在 python 中调整列表大小时遇到了一些问题。我有一个带有 -9999999 作为元素的向量 (A)。我想找到那些元素删除它们并删除B中的相应元素。

我尝试像这样索引非 -9999999 值：

i = [i for i in range(len(press)) if press[i] !=-9999999]

但是当我尝试使用索引来重塑 press 和我的其他向量时出现错误。类型错误：列表索引必须是整数，而不是列表

向量的长度约为 26000

基本上，如果我有向量 A，我想从 A 中删除 -9999999 个元素，在 B 中删除 65 和 32。

A = [33,55,-9999999,44,78,22,-9999999,10,34]
B = [22,33,65,87,43,87,32,77,99]

【问题讨论】：

标签： python sorting vector indexing

【解决方案1】：

由于您提到了vector，所以我认为您正在寻找基于NumPy 的解决方案：

>>> import numpy as np
>>> a = np.array(A)
>>> b = np.array(B)
>>> b[a!=-9999999]
array([22, 33, 87, 43, 87, 77, 99])

使用itertools.compress的纯Python解决方案：

>>> from itertools import compress
>>> list(compress(B, (x != -9999999 for x in A)))
[22, 33, 87, 43, 87, 77, 99]

时间比较：

>>> A = [33,55,-9999999,44,78,22,-9999999,10,34]*10000
>>> B = [22,33,65,87,43,87,32,77,99]*10000
>>> a = np.array(A)
>>> b = np.array(B)
>>> %timeit b[a!=-9999999]
100 loops, best of 3: 2.78 ms per loop
>>> %timeit list(compress(B, (x != -9999999 for x in A)))
10 loops, best of 3: 22.3 ms per loop

【讨论】：

我认为你不需要np.where 电话 (+1)
我认为你根本不需要 numpy 来完成这项任务
@justinls 你不需要它，但是有了 26000 个元素，它会快很多。

【解决方案2】：

A = [33,55,-9999999,44,78,22,-9999999,10,34]
B = [22,33,65,87,43,87,32,77,99]
A1, B1 = (list(x) for x in zip(*((a, b) for a, b in zip(A, B) if a != -9999999)))
print(A1)
print(B1)

这会产生：

[33, 55, 44, 78, 22, 10, 34]
[22, 33, 87, 43, 87, 77, 99]

【讨论】：

【解决方案3】：

c = [j for i, j in zip(A, B) if i != -9999999]

zip 合并两个列表，创建对 (x, y) 的列表。使用列表推导，您可以过滤 A 中为 -999999 的元素。

【讨论】：