我想arr
基于一些阈值来过滤数组。
arr = np.array([2,2,2,2,2,5,5,5,1])
thresholds = np.array([4,1])
我想arr
根据in中thresholds
的值arr
大于阈值进行过滤
我的想法是为每个阈值创建一个蒙版
预期结果:
# [[False False False False False True True True False]
# [ True True True True True True True True False]]
在Python中执行此操作的一种方法:
mask = [True if x>condi else False for condi in thresholds for x in arr]
mask = np.reshape(mask,(2,9))
然后获得仅由滤波阵列filteredarr = arr[mask[i]]
这里i
是相关的阈值的指数
有没有更好的方法(性能明智)在Python中执行此操作?特别是我正在处理大型数组(arr大约为250000,没有特定的len thresholds
,但是我期望大型数组)?
编辑:预期在数据上的最终输出是[array([5, 5, 5]), array([2, 2, 2, 2, 2, 5, 5, 5])]
可以使用以下方法轻松获得面膜
mask = arr[None,:]>thresholds[:,None]
mask
# Output
# array([[False, False, False, False, False, True, True, True, False],
# [ True, True, True, True, True, True, True, True, False]], dtype=bool)
这个想法是通过使用添加一个附加轴None
(与相同np.newaxis
)来扩大维数,然后逐个元素比较数组。
一旦有了掩码,我们就可以使用各种方法来过滤数据,其中选择很大程度上取决于您的问题:
当然可以
res = [arr[m] for m in mask]
# [array([5, 5, 5]), array([2, 2, 2, 2, 2, 5, 5, 5])]
为了获得包含过滤数据的列表,但通常速度较慢。
如果您需要进一步的数值计算,我将创建一个masked array
仅考虑过滤数据的:
m = np.zeros_like(mask).astype(np.int)
m[:] = arr
res = np.ma.masked_where(~mask,m)
现在,每行都根据相应的阈值对应于过滤后的数据。带掩码的数组使您可以继续使用许多功能,例如mean
或std
res.mean(axis=1)
# masked_array(data = [5.0 3.125],
# mask = [False False],
# fill_value = 1e+20)
res.mean(axis=1).compressed()
# array([ 5. , 3.125])
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句