我有一个大小为19的数组。我想将其大小增加到30（new_array）。
size =len(VM)
index = np.linspace(1,size,size)/size
index30 = np.linspace(1,30,30)/30
new_array = np.empty(shape=30)
VM是大小为19的数组
指数
[0.05263158 0.10526316 0.15789474 0.21052632 0.26315789 0.31578947
0.36842105 0.42105263 0.47368421 0.52631579 0.57894737 0.63157895
0.68421053 0.73684211 0.78947368 0.84210526 0.89473684 0.94736842
1. ]
指数30
[0.03333333 0.06666667 0.1 0.13333333 0.16666667 0.2
0.23333333 0.26666667 0.3 0.33333333 0.36666667 0.4
0.43333333 0.46666667 0.5 0.53333333 0.56666667 0.6
0.63333333 0.66666667 0.7 0.73333333 0.76666667 0.8
0.83333333 0.86666667 0.9 0.93333333 0.96666667 1. ]
要填充new_array：
如果我们考虑index array的前两个元素0.05263158 0.10526316，则index30 array的所有值在这两个值之间，则它们在new_array中的对应位置应使用与0.05263158index数组中的值位置相对应的VM array的值来填充，依此类推。我可以使用for循环来执行此操作，但我正在寻找更有效的方法来执行此操作？
输入：
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
预期输出：
[nan,1,1,2,3,3,4,5,5,6,6,7,8,8,9,10,10,11,12,12,13,13,14,15,15,16,17,17,18,19]
编辑：您可以使用np.piecewise。用np.less_equal和np.outer以创建condlist和np.append一个nan以VM创建的值funclist，例如：
new_array = np.piecewise( x = index30,
condlist = np.less_equal.outer(indexVM, index30),
funclist = np.append(VM,np.nan))
如果您愿意使用pandas，可以使用reindex方法'ffill'。
import numpy as np
import pandas as pd
VM = np.arange(1,20)
size = len(VM)
indexVM = np.linspace(1,size,size)/size
index30 = np.linspace(1,30,30)/30
new_array = pd.Series(VM, index=indexVM).reindex(index30, method='ffill').values
print (new_array)
array([nan, 1., 1., 2., 3., 3., 4., 5., 5., 6., 6., 7., 8.,
8., 9., 10., 10., 11., 12., 12., 13., 13., 14., 15., 15., 16.,
17., 17., 18., 19.])
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