如何根据另一个数组的元素复制数组的元素？

Question

pop=np.zeros((population_size,chromosome_length))

for i in range(population_size):

    for j in range(i,chromosome_length):

        pop[i,j] = random.randint(0, 1)        

pop

array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],

       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],

       [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],

       [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],

       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],

       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])

我有另一个数组expected，由未显示的代码生成，示例如下：

array([[1.99214608],

       [1.45140389],

       [0.07068525],

       [0.69507167],

       [1.08384057],

       [0.70685254]])

然后，我想expected根据自定义间隔对 的值进行分类：

actual=np.zeros((population_size,1))

for i in range(len(expected)):

    if expected[i]>=1.5:

        actual[i]=2

    elif 1.5>expected[i]>=0.9:

        actual[i]=1

    else:

        actual[i]=0

actual=actual.astype(int)   

total_count=int(np.sum(actual))

print(total_count)

[[2]

 [1]

 [0]

 [0]

 [1]

 [0]]

 4

我希望最终输出为：

array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],

       [0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],

       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],

       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.]])

基于 中的值total_count。第一行pop被复制两次，第二行一次，第五行一次。简而言之，我想要的是基于另一个数组的整数元素重复/复制/复制数组的元素。

Answer 1

当您使用 NumPy 数组时，我将尝试在部分中解决这个问题，就好像它们是列表一样，因此首先失去了库的很多目的。尽管语法更加紧凑，但它带来了显着的速度提升。创造人口这个很简单。我们可以直接替换生成pop使用numpy.random.randint。我们需要为 和 指定值population_size并chromosome length使用这些值来指定输出大小。population_size = 6 chromosome_length = 10 pop = np.random.randint(0, 2, (population_size, chromosome_length))注意：这不会给出与您在实际问题中包含的完全相同的值，因为我们没有为随机数生成器设置种子。但是，代码直接等效于您的for循环，但性能更高。生成expected我无法准确替换本节，因为替换你的循环太多了，一些变量也未定义。所以，我只是假设我将获得与您显示的相同的二维数组：expected = np.array([[1.99214608],                      [1.45140389],                      [0.07068525],                      [0.69507167],                      [1.08384057],                      [0.70685254]])分箱数据这有点复杂。我们可以利用numpy.digitize在您的区间（0、0.9 和 1.5）之间对数据进行分类。但是，此方法不适用于 2D 数组，因此我将首先使用numpy.ravel()展平数组。这将返回每个值expected所属的 bin 标识列表。但是，bin 标识从 1 开始，我们希望将这些值用作数组的索引，因此我还将同时从结果中减去 1。bins = np.array([0, 0.9, 1.5]) dig = np.digitize(expected.ravel(), bins) - 1最后的步骤我将创建一个与 bin 类别相对应的值数组。然后我们可以使用相应的替换值numpy.take来替换 的值。digreplacements = np.array([0, 1, 2]) actual = np.take(replacements, dig)最后:)，我们可以使用numpy.repeatusingactual以正确的比例获取行pop来构建输出。最终代码import numpy as nppopulation_size = 6chromosome_length = 10pop = np.random.randint(0, 2, (population_size, chromosome_length))# But I'm going to deliberately overwrite the above to solve your particular casepop = np.array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],                [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],                [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],                [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],                [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],                [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])# Hard-coded :/expected = np.array([[1.99214608],                     [1.45140389],                     [0.07068525],                     [0.69507167],                     [1.08384057],                     [0.70685254]])bins = np.array([0, 0.9, 1.5])dig = np.digitize(expected.ravel(), bins) - 1replacements = np.array([0, 1, 2])actual = np.take(replacements, dig)out = np.repeat(pop, actual, axis=0)print(out)给出：[[0. 1. 0. 1. 1. 1. 0. 0. 1. 1.] [0. 1. 0. 1. 1. 1. 0. 0. 1. 1.] [0. 0. 1. 0. 1. 0. 1. 1. 0. 0.] [0. 0. 0. 0. 1. 0. 1. 1. 0. 1.]]