python – Numpy:条件求和
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – Numpy:条件求和,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1297字,纯文字阅读大概需要2分钟。
内容图文
我有以下numpy数组:
import numpy as np
arr = np.array([[1,2,3,4,2000],
[5,6,7,8,2000],
[9,0,1,2,2001],
[3,4,5,6,2001],
[7,8,9,0,2002],
[1,2,3,4,2002],
[5,6,7,8,2003],
[9,0,1,2,2003]
])
我理解np.sum(arr,axis = 0)来提供结果:
array([ 40, 28, 36, 34, 16012])
我想做什么(没有for循环)是根据最后一列的值对列进行求和,以便提供的结果是:
array([[ 6, 8, 10, 12, 4000],
[ 12, 4, 6, 8, 4002],
[ 8, 10, 12, 4, 4004],
[ 14, 6, 8, 10, 4006]])
我意识到没有循环可能是一个延伸,但希望最好…
如果必须使用for循环,那么它将如何工作?
我尝试了np.sum(arr [:,4] == 2000,axis = 0)(我将用for循环中的变量替换2000),但它给出了2的结果
解决方法:
您可以使用np.diff和np.add.reduceat的聪明应用程序在纯粹的numpy中执行此操作.np.diff将为您提供最右列更改的索引:
d = np.diff(arr[:, -1])
np.where会将您的布尔索引d转换为np.add.reduceat期望的整数索引:
d = np.where(d)[0]
reduceat也期望看到零指数,一切都需要换一:
indices = np.r_[0, e + 1]
在这里使用np.r_比np.concatenate更方便,因为它允许标量.总和然后变成:
result = np.add.reduceat(arr, indices, axis=0)
当然,这可以组合成一个单行程:
>>> result = np.add.reduceat(arr, np.r_[0, np.where(np.diff(arr[:, -1]))[0] + 1], axis=0)
>>> result
array([[ 6, 8, 10, 12, 4000],
[ 12, 4, 6, 8, 4002],
[ 8, 10, 12, 4, 4004],
[ 14, 6, 8, 10, 4006]])
内容总结
以上是互联网集市为您收集整理的python – Numpy:条件求和全部内容,希望文章能够帮你解决python – Numpy:条件求和所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。