Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimana untuk Mencari Nilai Padanan Indeks Baris dengan Cekap dalam Tatasusunan NumPy?

Bagaimana untuk Mencari Nilai Padanan Indeks Baris dengan Cekap dalam Tatasusunan NumPy?

Barbara Streisand
Lepaskan: 2024-12-15 18:06:12
asal
663 orang telah melayarinya

How to Efficiently Find Row Indices Matching Values in a NumPy Array?

Cari Indeks Baris Pelbagai Nilai dalam Tatasusunan Numpy

1. Memahami Masalah

Memandangkan tatasusunan X dan tatasusunan searched_values, tugasnya adalah untuk mencari indeks baris dalam X yang sepadan dengan baris yang sepadan dalam searched_values.

2. Pendekatan Menggunakan Penyiaran NumPy

np.where((X==searched_values[:,None]).all(-1))[1]
Salin selepas log masuk

3. Pendekatan Cekap Memori Menggunakan np.ravel_multi_index dan np.in1d

dims = X.max(0)+1
out = np.where(np.in1d(np.ravel_multi_index(X.T,dims),\
                    np.ravel_multi_index(searched_values.T,dims)))[0]
Salin selepas log masuk

4. Memahami np.ravel_multi_index

np.ravel_multi_index menukar tatasusunan 2D indeks n-dimensi kepada persamaan indeks linear. Contohnya, diberikan X dan malap, ia akan mengira:

np.ravel_multi_index(X.T,dims)
Salin selepas log masuk

Menghasilkan [30, 66, 61, 24, 41], di mana setiap nombor mewakili indeks linear yang setara dengan baris yang sepadan dalam X.

5. Memilih Dimensi untuk Indeks Linear Unik

Apabila memilih dimensi untuk np.ravel_multi_index untuk menjana indeks linear unik, pertimbangkan perkara berikut:

  • Setiap lajur dalam tatasusunan input (X) mewakili satu paksi daripada grid yang dipetakan.
  • Untuk memastikan indeks linear yang unik, regangan maksimum setiap paksi harus dipertimbangkan, iaitu nilai maksimum dalam setiap lajur ditambah 1.

Untuk X yang diberikan:

dims = X.max(0)+1 # [10, 7]
Salin selepas log masuk

Ini akan mewujudkan grid dengan sekurang-kurangnya dimensi yang ditentukan, memastikan indeks linear unik.

Atas ialah kandungan terperinci Bagaimana untuk Mencari Nilai Padanan Indeks Baris dengan Cekap dalam Tatasusunan NumPy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan