使用Numpy以矢量化方式检索多个值的索引
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用Numpy以矢量化方式检索多个值的索引相关的知识,希望对你有一定的参考价值。
为了在numpy数组中获得与“99”值对应的索引,我们执行以下操作:
mynumpy=([5,6,9,2,99,3,88,4,7))
np.where(my_numpy==99)
如果,我想获得对应于以下值99,55,6,3,7的索引怎么办?显然,可以通过一个简单的循环来实现它,但我正在寻找更多的矢量化解决方案。我知道Numpy非常强大所以我认为它可能存在类似的东西。
期望的输出:
searched_values=np.array([99,55,6,3,7])
np.where(searched_values in mynumpy)
[(4),(),(1),(5),(8)]
答案
这是与np.searchsorted
的一种方法 -
def find_indexes(ar, searched_values, invalid_val=-1):
sidx = ar.argsort()
pidx = np.searchsorted(ar, searched_values, sorter=sidx)
pidx[pidx==len(ar)] = 0
idx = sidx[pidx]
idx[ar[idx] != searched_values] = invalid_val
return idx
样品运行 -
In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1, 1, 5, 8])
对于通用的无效值说明符,我们可以使用np.where
-
def find_indexes_v2(ar, searched_values, invalid_val=-1):
sidx = ar.argsort()
pidx = np.searchsorted(ar, searched_values, sorter=sidx)
pidx[pidx==len(ar)] = 0
idx = sidx[pidx]
return np.where(ar[idx] == searched_values, idx, invalid_val)
样品运行 -
In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)
# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]
以上是关于使用Numpy以矢量化方式检索多个值的索引的主要内容,如果未能解决你的问题,请参考以下文章
两个 1D numpy / torch 数组的特殊索引以生成另一个数组