python - 根据索引屏蔽 numpy 数组

Question

如何根据实际索引值屏蔽数组？

也就是说，如果我有一个 10 x 10 x 30 矩阵，并且我想在第一个和第二个索引彼此相等时屏蔽该数组。

例如，[1, 1 , :] 应该被屏蔽，因为 1 和 1 彼此相等，但 [1, 2, :] 不应该，因为它们这样做不是。

我只在三维方面问这个问题，因为它类似于我当前的问题并且可能会使事情复杂化。但我的主要问题是，如何根据索引值屏蔽数组？

Answer 1

一般来说，要访问索引的值，您可以使用np.meshgrid:

i, j, k = np.meshgrid(*map(np.arange, m.shape), indexing='ij')
m.mask = (i == j)

此方法的优点是它适用于 i、j 和 k 上的任意 bool 函数。它比使用 identity 特例要慢一些。

In [56]: %%timeit
   ....: i, j, k = np.meshgrid(*map(np.arange, m.shape), indexing='ij')
   ....: i == j
10000 loops, best of 3: 96.8 µs per loop

---

正如@Jaime 指出的那样，meshgrid 支持一个sparse 选项，它不会做太多重复，但在某些情况下需要多加注意，因为它们不'广播。它将节省内存并加快速度。例如，

In [77]: x = np.arange(5)

In [78]: np.meshgrid(x, x)
Out[78]: 
[array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]]),
 array([[0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2],
       [3, 3, 3, 3, 3],
       [4, 4, 4, 4, 4]])]

In [79]: np.meshgrid(x, x, sparse=True)
Out[79]: 
[array([[0, 1, 2, 3, 4]]),
 array([[0],
       [1],
       [2],
       [3],
       [4]])]

所以，你可以像他说的那样使用 sparse 版本，但你必须这样强制广播:

i, j, k = np.meshgrid(*map(np.arange, m.shape), indexing='ij', sparse=True)
m.mask = np.repeat(i==j, k.size, axis=2)

还有加速:

In [84]: %%timeit
   ....: i, j, k = np.meshgrid(*map(np.arange, m.shape), indexing='ij', sparse=True)
   ....: np.repeat(i==j, k.size, axis=2)
10000 loops, best of 3: 73.9 µs per loop