我如何在numpy中应用蒙版以获取此输出?
ar2 = np.arange(1,26)[::-1].reshape([5,5]).T
ar3 = np.array([1,1,-1,-1,1])
print ar2, '\n\n', ar3
[[25 20 15 10 5]
[24 19 14 9 4]
[23 18 13 8 3]
[22 17 12 7 2]
[21 16 11 6 1]]
[ 1 1 -1 -1 1]
-适用于ar3 = 1的地方:
ar2/ar2[:,0][:, np.newaxis]
--apply ar3 = -1时:
ar2/ar2[:,4][:, np.newaxis]
我追求的结果是:
[[1 0 0 0 0]
[1 0 0 0 0]
[ 7 6 4 2 1]
[11 8 6 3 1]
[1 0 0 0 0]]
我试过了
np.where()
最佳答案
我不明白为什么np.where
在这里不应该工作:
>>> np.where((ar3==1)[:, None],
... ar2 // ar2[:, [0]], # where condition is True, divide by first column
... ar2 // ar2[:, [4]]) # where condition is False, divide by last column
array([[ 1, 0, 0, 0, 0],
[ 1, 0, 0, 0, 0],
[ 7, 6, 4, 2, 1],
[11, 8, 6, 3, 1],
[ 1, 0, 0, 0, 0]])
我正在使用Python 3,这就是为什么我使用
//
(底数除法)而不是常规除法(/
)的原因,否则结果将包含浮点数。这会急切地计算数组,因此会为所有值评估
ar2 // ar2[:, [0]]
和ar2 // ar2[:, [4]]
。有效地在内存中保存3个大小为ar2
的数组(结果和两个临时变量)。如果要提高内存效率,则需要在执行操作之前应用遮罩:>>> res = np.empty_like(ar2)
>>> mask = ar3 == 1
>>> res[mask] = ar2[mask] // ar2[mask][:, [0]]
>>> res[~mask] = ar2[~mask] // ar2[~mask][:, [4]]
>>> res
array([[ 1, 0, 0, 0, 0],
[ 1, 0, 0, 0, 0],
[ 7, 6, 4, 2, 1],
[11, 8, 6, 3, 1],
[ 1, 0, 0, 0, 0]])
这只会计算使用较少内存(可能也更快)的必要值。