重排NumPy数组行条目

Question

我正在尝试将一个numpy数组A转换为B，而不使用循环。

A=np.array([[1,2,3],
            [1,3,0],
            [2,0,0]])

B=np.array([[1,2,3],
            [1,0,3],
            [0,2,0]])

所以在每一行中，我想使用它们的值作为索引来重新排序条目。(例如，在第二行中，[1,3,0]，1是第一个条目，3是第三个条目，而0将填充为第二个条目，使其成为[1,0,3])。

我可以针对单个行执行此操作，因此我可以循环遍历数组，但我想看看是否有一种方法可以在不使用循环的情况下完成此操作。我知道循环对于像这样的小型数组不会有任何区别，但当使用大型数组(1m,1m)时，我担心循环会创建瓶颈。

谢谢！

- user3357979

Answer 1

有趣的问题，+1。

In [28]:

import numpy as np
A=np.array([[1,2,3],
            [1,3,0],
            [2,0,0]])
In [29]:

B=np.zeros(A.shape, 'int64')+np.arange(1, A.shape[0]+1)
In [30]:

np.where(np.asarray(map(np.in1d, B, A)), B, 0)
Out[30]:
array([[1, 2, 3],
       [1, 0, 3],
       [0, 2, 0]])
In [31]:

%timeit np.where(np.asarray(map(np.in1d, B, A)), B, 0)
10000 loops, best of 3: 156 µs per loop

- CT Zhu

---

太棒了！这正是我在寻找的。我之前卡住了，因为不知道如何在多维数组上使用np.in1d。为什么map()会将每一行拆分成单独的数组？ - user3357979

map正在执行np.in1d(B[0], A[0])，np.in1d(B[1], A[1])，np.in1d(B[2], A[2])，......这就是诀窍，;P。 - CT Zhu

Answer 2

采用不同的方法来实现相同的事情。对于大型数组，可能会更快：

>>> mask = A != 0
>>> rows, cols = A.shape
>>> idx = (A - 1 + (np.arange(rows)*cols)[:, None])[mask]
>>> B = np.zeros_like(A)
>>> B.ravel()[idx] = A[mask]
>>> B
array([[1, 2, 3],
       [1, 0, 3],
       [0, 2, 0]])

它将A的非零条目转换为平坦数组中的索引，然后使用这些索引将A的非零条目复制到B的平坦视图中的正确位置。

- Jaime