Question

我创建了一个2D蒙版，命名为mask，它的形状与数组data相同，我想将其应用于数组。但是，当我这样做时，数据将失去形状并变为1D。

我认为，由于轴0的每个级别都是相同的（通过使用循环理解创建了mask，因此输出将产生形状为(837, 10)的输出

我想知道在不使用重塑的情况下是否有一些小技巧可以实现这个目标？

>>> data.shape
(837, 44)

>>> m = altitudes < 50000
>>> m.shape
(44,)

>>> np.sum(m) # calculates my expected dimension for axis 1
10

>>> mask = [m for i in range(data.shape[0])]
>>> mask.shape
(837, 44)

>>> new_data = data[mask]
>>> new_data.shape
(8370,) # same as 837 * 10 (dimension wanted)

如果无法实现，为什么会这样？

欢呼

Answer 1

实现目标的“正确”方法是不将蒙版扩展到2D。而是使用[:, mask]和一维掩码进行索引。这向numpy指示您希望轴0保持不变，并且沿轴1施加mask。

a = np.arange(12).reshape(3, 4)
b = np.array((1,0,1,0),'?')
a
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [ 8,  9, 10, 11]])
b
# array([ True, False,  True, False])
a[:, b]
# array([[ 0,  2],
#        [ 4,  6],
#        [ 8, 10]])

如果您的mask已经是2D了，那么numpy不会检查其所有行是否都相同，因为这样效率很低。但显然，在这种情况下，您可以使用[:, mask[0]]。

如果您的mask是2D且恰好在每行中有相同数量的True，则可以使用@tel的答案。或创建一个索引数组：

B = b^b[:3, None]
B
# array([[False,  True, False,  True],
#        [ True, False,  True, False],
#        [False,  True, False,  True]])
J = np.where(B)[1].reshape(len(B), -1)

现在要么

np.take_along_axis(a, J, 1)
# array([[ 1,  3],
#        [ 4,  6],
#        [ 9, 11]])

或

I = np.arange(len(J))[:, None]
IJ = I, J
a[IJ]
# #array([[ 1,  3],
#         [ 4,  6],
#         [ 9, 11]])

Answer 2

我相信您可以通过致电new_data.reshape(837, -1)来完成。这是一个简单的示例：

arr = np.arange(8*6).reshape(8,6)
maskpiece = np.array([True, False]*3)
mask = np.broadcast_to(maskpiece, (8,6))

print('the original array\n%s\n' % arr)
print('the flat masked array\n%s\n' % arr[mask])
print('the masked array reshaped into 2D\n%s\n' % arr[mask].reshape(8, -1))

输出：

the original array
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]
 [24 25 26 27 28 29]
 [30 31 32 33 34 35]
 [36 37 38 39 40 41]
 [42 43 44 45 46 47]]

the flat masked array
[ 0  2  4  6  8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46]

the masked array reshaped into 2D
[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]
 [18 20 22]
 [24 26 28]
 [30 32 34]
 [36 38 40]
 [42 44 46]]

应用相同形状的蒙版时，Numpy数组丢失尺寸

2 个答案: