python - 通过模式匹配相乘

我有以下格式的矩阵：

matrix = np.array([1, 2, 3, np.nan],
                  [1, np.nan, 3, 4],
                  [np.nan, 2, 3, np.nan])

和系数，我想选择性地与矩阵乘以元素：

coefficients = np.array([0.5, np.nan, 0.2, 0.3],
                        [0.3, 0.3, 0.2, np.nan],
                        [np.nan, 0.2, 0.1, np.nan])

在这种情况下，我希望将matrix中的第一行与coefficients中的第二行相乘，而matrix中的第二行将与coefficients中的第一行相乘。简而言之，我想根据coefficients值的位置选择与matrix中的行匹配的np.nan中的行。

np.nan值的位置对于coefficients中的每一行都会有所不同，因为它们描述了不同数据可用性情况下的系数。

有没有一种快速的方法可以执行此操作，而无需为所有可能的情况编写if语句？

最佳答案

方法1

一种快速的方法是NumPy broadcasting-

# Mask of NaNs
mask1 = np.isnan(matrix)
mask2 = np.isnan(coefficients)

# Perform comparison between each row of mask1 against every row of mask2
# leading to a 3D array. Look for all-matching ones along the last axis.
# These are the ones that shows the row matches between the two input arrays -
# matrix and coefficients. Then, we use find the corresponding matching
# indices that gives us the pair of matches betweel those two arrays
r,c = np.nonzero((mask1[:,None] == mask2).all(-1))

# Index into arrays with those indices and perform elementwise multiplication
out = matrix[r] * coefficients[c]

给定样本数据的输出-

In [40]: out
Out[40]:
array([[ 0.3,  0.6,  0.6,  nan],
       [ 0.5,  nan,  0.6,  1.2],
       [ nan,  0.4,  0.3,  nan]])

方法＃2

为了提高性能，请将NaNs掩码的每一行减少到十进制等效值，然后创建一个存储数组，我们可以在其中存储matrix以外的元素，然后乘以这些十进制等效项索引的coefficients元素-

R = 2**np.arange(matrix.shape[1])
idx1 = mask1.dot(R)
idx2 = mask2.dot(R)

A = np.empty((idx1.max()+1, matrix.shape[1]))
A[idx1] = matrix
A[idx2] *= coefficients
out = A[idx1]

关于python - 通过模式匹配相乘，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43921338/