如果超过变化的行索引，则将 numpy 矩阵元素设置为零

Question

我有一个相当大 m 倍 n 的 numpy 矩阵 M 填充了非零值和一个长度为 m 的数组 x，其中每个条目表示行索引，之后矩阵元素应设置为零。因此，例如，如果 n=5 和 x[i]=3，则矩阵的第 i 行设置为 [M_i1, M_i2, M_i3, 0, 0].

如果 x 的所有条目都具有相同的值 k，我可以简单地使用像 M[:,k:]=0 这样的切片，但我想不出一个有效的方法每一行的不同值而不遍历所有行并对每一行使用切片。

我想创建一个看起来像 [[1]*x[1] + [0]*(n-x[1]),...,[1]*x[m] + [0]*(n-x[m])] 的矩阵并将其用于布尔索引，但也不知道如何在不循环的情况下创建它。

非矢量化解决方案如下所示：

for i in range(m):
    if x[i] < n:
        M[i,x[i]:] = 0

示例输入

M = np.array([[1,2,3],[4,5,6]])
m, n =  2, 3
x = np.array([1,2])

并输出

array([[1, 0, 0],
       [4, 5, 0]])

有人有这个问题的矢量化解决方案吗？

非常感谢！

Answer 1

您可以使用多维布尔索引：

M[x[:,None]<=np.arange(M.shape[1])] = 0

示例：

M = [[7, 8, 4, 2, 3, 9, 1, 8, 4, 3],
     [2, 1, 6, 1, 5, 2, 2, 2, 9, 2],
     [6, 1, 6, 8, 4, 3, 6, 9, 2, 6],
     [5, 4, 0, 8, 3, 0, 0, 1, 8, 7],
     [8, 7, 8, 8, 9, 2, 0, 8, 0, 2]]
x = [4, 4, 0, 6, 2]

输出：

      [[7, 8, 4, 2, 0, 0, 0, 0, 0, 0],
       [2, 1, 6, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [5, 4, 0, 8, 3, 0, 0, 0, 0, 0],
       [8, 7, 0, 0, 0, 0, 0, 0, 0, 0]]

Answer 2

这看起来像是一个面具涂抹练习。在每一行，您想从 np.minimum(x[row], n):

处的元素开始涂抹

mask = np.zeros(M.shape, bool)
mask[np.flatnonzero(x < n), x[x < n]] = True
M[np.cumsum(mask, axis=1, dtype=bool)] = 0

如果超过变化的行索引，则将 numpy 矩阵元素设置为零

Set numpy matrix elements to zero if varying row index is exceeded

python

indexing

numpy

matrix

vectorization