我有一個 n 行（觀察）X m 列（特征）的 numpy 2D 陣列，其中每個元素是觀察到該特征的次數。我需要將其轉換為 feature_indices 的零填充 2D 陣列，其中每個 feature_index 重復多次，對應于原始 2D 陣列中的“計數”。
這似乎應該是使用索引的簡單組合np.where或np.repeat僅擴展，但我沒有看到它。這是一個非常緩慢、回圈的解決方案（在實踐中使用起來太慢了）：
# Loopy solution (way too slow!)
def convert_2Dcountsarray_to_zeropaddedindices(countsarray2D):
rowsums = np.sum(countsarray2D,1)
max_rowsum = np.max(rowsums)
out = []
for row_idx, row in enumerate(countsarray2D):
out_row = [0]*int(max_rowsum - rowsums[row_idx]) #Padding zeros so all out_rows same length
for ele_idx in range(len(row)):
[out_row.append(x) for x in np.repeat(ele_idx, row[ele_idx]) ]
out.append(out_row)
return np.array(out)
# Working example
countsarray2D = np.array( [[1,2,0,1,3],
[0,0,0,0,3],
[0,1,1,0,0]] )
# Shift all features up by 1 (i.e. add a dummy feature 0 we will use for padding)
countsarray2D = np.hstack( (np.zeros((len(countsarray2D),1)), countsarray2D) )
print(convert_2Dcountsarray_to_zeropaddedindices(countsarray2D))
# Desired result:
array([[1 2 2 4 5 5 5]
[0 0 0 0 5 5 5]
[0 0 0 0 0 2 3]])
uj5u.com熱心網友回復：
一種解決方案是flatten陣列并使用np.repeat.
此解決方案需要首先將用作每行填充的零數添加到countsarray2D. 這可以按如下方式完成：
counts = countsarray2D.sum(axis=1)
max_count = max(counts)
zeros_to_add = max_count - counts
countsarray2D = np.c_[zeros_to_add, countsarray2D]
那么新countsarray2D的是：
array([[0, 1, 2, 0, 1, 3],
[4, 0, 0, 0, 0, 3],
[5, 0, 1, 1, 0, 0]])
現在，我們可以展平陣列并使用np.repeat. 索引陣列A用作輸入陣列，同時countsarray2D確定每個索引值應重復的次數。
n_rows, n_cols = countsarray2D.shape
A = np.tile(np.arange(n_cols), (n_rows, 1))
np.repeat(A, countsarray2D.flatten()).reshape(n_rows, -1)
最后結果：
array([[1, 2, 2, 4, 5, 5, 5],
[0, 0, 0, 0, 5, 5, 5],
[0, 0, 0, 0, 0, 2, 3]])
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/497575.html