python 中的逻辑数组和映射

Question

我正在尝试对某些元素计算进行矢量化处理，但如果不为局部信息创建列表推导式以表示全局信息，则很难做到这一点。有人告诉我，我可以使用逻辑数组完成我想做的事情，但到目前为止，我找到的示例没有帮助。虽然是的，我可以通过列表理解来完成此操作，但速度是我的代码的主要关注点。

我有一组值指示 "global" 计算中不应调整的索引。

例如，这些 "fixed" 索引是

1 2 6

如果我的全局计算有十个元素，我将能够通过创建全局索引集的列表并减去固定索引来设置所有 "free" 值。

free = list(set(range(len(global)) - set(fixed))
[0, 3, 4, 5, 7, 8, 9]

在全局计算中，我可以调整 "free" 元素，如以下代码片段所示

global = np.ones(10)
global[free] = global[free] * 10

应该产生：

global = [10, 1, 1, 10, 10, 10, 1, 10, 10, 10]

我的"local"计算是全局计算的一个子集，其中局部图表示全局计算中对应的索引。

local_map = [4, 2, 1, 8, 6]
local_values = [40, 40, 40, 40, 40]

但我需要与本地地图关联的值来保留它们的顺序以便进行计算。

全局[免费]在本地级别的等价物是什么？所需的输出将是这样的：

local_free = list(set(range(len(local)) - set(fixed))
local_values[local_free] *= 10
OUTPUT: local_values = [400,  40, 40, 400, 40]

如果问题格式已关闭，我深表歉意，代码块格式似乎在我的浏览器中不起作用，所以如果您需要说明，请告诉我。

Answer 1

对于此类与比较相关的操作，NumPy 拥有 np.setdiff1d and np.in1d 等工具。要解决我们的案子，这两个就足够了。我假设输入是 NumPy 数组，这样我们就可以使用 NumPy 支持的向量化索引方法。

对于第一种情况，我们有 -

In [97]: fixed = np.array([1,2,6])
    ...: global_arr = np.array([10, 1, 1, 10, 10, 10, 1, 10, 10, 10])
    ...:

要在 NumPy 中获得 list(set(range(len(global_arr)) - set(fixed)) 的等价物，我们可以使用 np.setdiff1d -

In [98]: np.setdiff1d(np.arange(len(global_arr)),fixed)
Out[98]: array([0, 3, 4, 5, 7, 8, 9])

接下来，我们有-

In [99]: local_map = np.array([4, 2, 1, 8, 6])
    ...: local_values = np.array([42, 40, 48, 41, 43])
    ...:

我们试图获得 -

local_free = list(set(range(len(local)) - set(fixed))
local_values[local_free] *= 10

在这里，我们可以使用 np.in1d 来获得一个与 local_free 等效的掩码，可用于使用 NumPy 的 boolean-indexing 对 local_values 进行索引和赋值方法-

In [100]: local_free = ~np.in1d(local_map,fixed)
     ...: local_values[local_free] *= 10
     ...: 

In [101]: local_values
Out[101]: array([420,  40,  48, 410,  43])

python 中的逻辑数组和映射

logical arrays and mapping in python

python

arrays

mapping

numpy

logical-operators