Confronto di due array numpy per la conformità con due condizioni
Considera due array numpy aventi la stessa forma, A e B, composti da 1 e 0. Viene mostrato un piccolo esempio:
A = [[1 0 0 1] B = [[0 0 0 0]
[0 0 1 0] [0 0 0 0]
[0 0 0 0] [1 1 0 0]
[0 0 0 0] [0 0 1 0]
[0 0 1 1]] [0 1 0 1]]
Ora voglio valori assegnare alle due variabili booleane test1 e test2 come segue:
test1 : esiste almeno un'istanza in cui un 1 in una A
colonna e un 1 nella STESSA B
colonna presentano differenze di riga esattamente 1 o 2? Se è così, allora test1 = True, altrimenti False.
Nell'esempio precedente, la colonna 0 di entrambi gli array ha 1 separati da 2 righe, quindi test1 = True. (ci sono anche altre istanze nella colonna 2, ma non importa: ne abbiamo solo bisogno).
test2 : I valori 1 in A
e B
hanno tutti indirizzi di array diversi? Se è così, allora test2 = True, altrimenti False.
Nell'esempio sopra, entrambi gli array hanno [4,3] = 1
, quindi test2 = False.
Sto lottando per trovare un modo efficiente per farlo e apprezzerei un po 'di assistenza.
Risposte
Ecco un modo semplice per verificare se due array hanno una voce un elemento a parte nella stessa colonna (solo in una direzione):
(A[1:, :] * B[:-1, :]).any(axis=None)
Quindi puoi farlo
test1 = (A[1:, :] * B[:-1, :] + A[:-1, :] * B[1:, :]).any(axis=None) or (A[2:, :] * B[:-2, :] + A[:-2, :] * B[2:, :]).any(axis=None)
Il secondo test può essere eseguito convertendo le posizioni in indici, impilandole insieme e utilizzando np.unique
per contare il numero di duplicati. I duplicati possono provenire solo dallo stesso indice in due array poiché un array non avrà mai indici duplicati. Possiamo accelerare ulteriormente il calcolo utilizzando flatnonzero
invece di nonzero
:
test2 = np.all(np.unique(np.concatenate((np.flatnonzero(A), np.flatnonzero(B))), return_counts=True)[1] == 1)
Un test più efficiente userebbe np.intersect1d
in modo simile:
test2 = not np.intersect1d(np.flatnonzero(A), np.flatnonzero(B)).size
Puoi usare masked_arrays e per la seconda attività puoi fare:
A_m = np.ma.masked_equal(A, 0)
B_m = np.ma.masked_equal(B, 0)
test2 = np.any((A_m==B_m).compressed())
E un modo ingenuo di svolgere il primo compito è:
test1 = np.any((np.vstack((A_m[:-1],A_m[:-2],A_m[1:],A_m[2:]))==np.vstack((B_m[1:],B_m[2:],B_m[:-1],B_m[:-2]))).compressed())
produzione:
True
True
Per Test2: potresti semplicemente controllare se hanno trovato indici simili trovati per un valore di 1.
A = np.array([[1, 0, 0, 1],[0, 0, 1, 0],[0, 0, 0, 0],[0, 0, 0, 0],[0, 0, 1, 1]])
B = np.array([[0, 0, 0, 0],[0, 0, 0, 0],[1, 1, 0, 0],[0, 0, 1, 0],[0, 1, 0, 1]])
print(len(np.intersect1d(np.flatnonzero(A==1),np.flatnonzero(B==1)))>0))