- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试在 matplotlib.pyplot.subplot 的下对角线中创建成对图.因此,我需要来自方阵下对角线的索引。由于情节的顺序,我需要按列对它们进行排序。例如,假设我有以下 4x4 矩阵:
[ 1, 2, 3, 4]
[ 5, 6, 8, 7]
[ 8, 9, 10, 11]
[12, 13, 14, 15]
我需要按以下顺序排列它们的索引:5、8、12、9、13、14。我怎样才能用几行代码完成它?我将分享我的解决方案,但我觉得我可以以更优雅的方式完成它。
>>> import numpy as np
>>> n = 4 # Matrix order
>>> a = np.arange(1,n*n+1).reshape(n,n)
>>> a
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12],
[13, 14, 15, 16]])
>>> index = np.triu_indices(n, 1)
>>> a.T[index]
array([ 5, 9, 13, 10, 14, 15])
接下来我要做的是:
>>> subplot_idx = a.T[index]
>>> for idx in subplot_idx:
... plt.subplot(n, n, idx)
... # plot something
最佳答案
一种更便宜的方法是避免索引创建部分并为 boolean-indexing
使用掩码.现在,由于它在 NumPy 中以行优先顺序排列并且我们需要较低的 diag 元素,因此我们需要在输入数组的转置版本上使用 upper diag 掩码(将 upper diag 元素设置为 True,其余为 False 的掩码)。我们将使用 broadcasting
使用 ranged array outer comparison
高效地创建上层诊断掩码并索引到转置数组中。因此,对于输入数组 a
它将是 -
r = np.arange(len(a))
out = a.T[r[:,None] < r]
假设我们将使用小于 65536 x 65536
大小的数组的矩阵,我们可以为 r
使用较低的精度,从而实现显着的性能提升 -
r = np.arange(len(a), dtype=np.uint16)
相同的想法并使用 NumPy 内置 np.tri
创建一个较低的诊断掩码并因此有一个优雅
单行方式(如所要求的)将是 -
a.T[~np.tri(len(a), dtype=bool)]
sample 运行-
In [116]: a
Out[116]:
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12],
[13, 14, 15, 16]])
In [117]: a.T[~np.tri(len(a), dtype=bool)]
Out[117]: array([ 5, 9, 13, 10, 14, 15])
方法-
# Original soln
def extract_lower_diag_org(a):
n = len(a)
index = np.triu_indices(n, 1)
return a.T[index]
# Proposed soln
def extract_lower_diag_mask(a):
r = np.arange(len(a), dtype=np.uint16)
return a.T[r[:,None] < r]
更大阵列上的计时 -
In [142]: a = np.random.rand(5000,5000)
In [143]: %timeit extract_lower_diag_org(a)
1 loop, best of 3: 216 ms per loop
In [144]: %timeit extract_lower_diag_mask(a)
10 loops, best of 3: 50.2 ms per loop
In [145]: %timeit a.T[~np.tri(len(a), dtype=bool)]
10 loops, best of 3: 52.1 ms per loop
使用建议的基于掩码的方法,这些大型阵列的速度提高了 4x+
。
关于python - 从按列排序的方阵中获取下对角线索引,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49598488/
我有一个 6x6 数组,并且希望始终获取接下来的四个值。举个例子: 0----- -1---- --2--- ---3-- ----4- 所以我想得到所有对角线的 (0+1+2+3) 和 (1+2+3
我想遍历一个已转换为一维的二维方阵。 问题是我想遍历它,就像我在对角条中遍历原始 2D 一样。 该数组是对角数组,我最初使用一维的 malloc 创建它,以避免分配太多内存。 数组的大小: int T
“给定一个 2D 字符数组和一个字符串。 查找特定字符串是否出现在矩阵的对角线上。 private static boolean diagonalContains(char[][] grid,Stri
我有一个由 nxn 矩阵组成的 njxnj 矩阵。我想提取 nxn 矩阵的对角 j block 。即我想提取对角线(对于 n = 2,j = 4): 最有效的方法是什么? 最佳答案 要为元素建立索引,
这是一个 self 回答的问题。给定两个数据框, x 0 1 0 1 2 1 3 4 y 0 1 2 0 5 6 7 1 8 9 X 2 Y Z 0 x 和
我试图让我的程序打印出不等于幻方规则的行、列或对角线,例如,如果矩阵是 1 9 5 2 4 3 6 8 7 第 1 行 [2, 4, 3] 不起作用 第 2 行 [6, 8, 7] 不起作用 第 0
所以我有一个像这样的 4x4 矩阵 |0 1 2 3 -+------- 0|0 1 3 6 1|2 4 7 a 2|5 8 b d 3|9 c e f 并且我是按照其中的十六进制字符指定的顺序遍历
什么是获取正方形DataFrame的对角线的有效方法。我希望结果是一个 Series 和一个 MultiIndex 有两个级别,第一个是 DataFrame 的索引,第二个级别是DataFrame 的
问题:我正在尝试在 SwiftUI 中以矩形呈现对角线线性渐变。 我实现了一个标准的多点线性渐变,它在呈现为正方形时效果很好,但是当我将框架更改为矩形时,它有一些奇怪的行为,看起来更水平,或者有一些奇
我目前正在尝试找到一种在 C# for Excel 中使用 VSTO 的方法,以使用 C# 代码在单元格中绘制对角线。但我在网上找不到任何人甚至试图这样做。 有谁知道如何实现这一目标? 谢谢 (对不起
我需要删除图像中的线条,这最终是一个表格。我找到了一种删除水平线和垂直线的方法: convert 1.jpg -type Grayscale -negate -define morphology:co
我有一个如下所示的矩阵: ` matrix = [ ['P', 'o', 'P', 'o', 'P'], ['m', 'i', 'c', 's', 'r'], ['g', 'a', 'T', 'A',
如何在Python中按如下方式堆叠矩阵,使得父矩阵的元素在子矩阵的相同 block 对角点处形成 block 对角线。例子:我有四个矩阵 AA,AB,BA,BB 我想制作如附图所示的矩阵。 最佳答案
我在做一些统计。 我有数据框: tag a b c d e f a 5 2 3 2 0 1 b 2 4 3 2 0 1
我最近做了一个 Connect4 游戏,当我的 Connect4 向右对角线连接时,我的 Connect4 没有赢得游戏。并且它只适用于某些组合,当它连接到左边的对角线时。坐标:- 左上角:(0,0)
在 numpy 中有什么方法可以获取对角数组的引用吗?我希望我的数组对角线除以某个因子谢谢 最佳答案 如果 X 是你的数组,c 是因子, X[np.diag_indices_from(X)] /= c
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 6 年前。 Improve this ques
我有一个形状为 (m*n, m*n) 的张量,我想提取一个大小为 (n, m*n) 的张量,其中包含对角线上大小为 n*n 的 m 个块。例如: >>> a tensor([[1, 2, 0, 0],
我目前正在使用 matplotlib/pyplot 绘制 3d 对象,如下所示: fig = plt.figure().gca(projection='3d') plot = fig.plot_sur
好的,让我们考虑一个 64 位的数字,它的位组成一个 8x8 的表。 例如 0 1 1 0 1 0 1 0 0 1 1 0 1 0 1 1 0 1 1 1 1 0 1 0 0 1 1 0 1 0 1
我是一名优秀的程序员,十分优秀!