python - "invert"一个数组，即将二维索引列表转换为一维索引的二维数组

Question

我想以最好的 numpythonic 方式解决的问题是:我有一个二维索引列表 A，例如:

A = [(0, 3), (2, 2), (3, 1)]

我的目标是现在得到一个数组

[[H H H 0],
 [H H H H],
 [H H 1 H],
 [H 2 H H]]

其中 H 是一些默认值(例如 -1)所以问题通常是关于以这种方式反转数组。

如果 A 是单射的(没有值出现两次)我可以严格地说明:

令 A 为二维索引的单射数组。 然后，生成一个二维数组 B 使得 B[i, j] = A.index((i, j))

或者对于 A 不一定单射:

令 A 为二维索引的单射数组。 然后，生成一个二维数组 B 使得 A[B[i, j]] = (i, j)

更具体地说，在非单射情况下，我们可以通过附加的“决策者”函数来解决这种情况。说

A = [(0, 3), (2, 2), (3, 1), (0, 3)]

然后为了解决 (0, 3) 在位置 0 和 3 之间的冲突，我想将一些函数应用于等效索引以找到确定的值。

举个例子:在我的例子中，具体来说，我有第二个数组 C，其长度与 A 相同。如果 A 中有多个候选(2d 索引)用于最终二维数组中的一个“位置”，则所选的应该是 A 中的 1d 索引最小化 C 中的值的那个。

我希望这些例子能说明问题。感谢您的帮助。

编辑:更多示例:

    A = [(0, 3), (2, 2), (3, 1)]
    print(my_dream_func(A, default=7)
    >>> [[7 7 7 0],
         [7 7 7 7],
         [7 7 1 7],
         [7 2 7 7]]

    A = [(0, 3), (2, 2), (3, 1), (0, 3)]
    print(my_dream_func(A, default=7))
    >>> Err: an index appears twice

这种情况的替代方案:

    def resolveFunc(indices):
        c = [0.5, 2.0, 3.4, -1.9]
        return(np.argmin(c[indices]))

    A = [(0, 3), (2, 2), (3, 1), (0, 3)]

    print(my_dream_func(A, resolveFunc, default=7))
    #now resolveFunc is executed on 0 and 3
    #because 0.5 > -1.9, 3 is chosen as the value for (0, 3)
    >>> [[7 7 7 3],
         [7 7 7 7],
         [7 7 1 7],
         [7 2 7 7]]

Answer 1

我会这样做:

In [11]: A = np.array([(0, 3), (2, 2), (3, 1)])

In [12]: a = np.full((len(A), len(A)), 7)  # here H = 7

In [13]: a
Out[13]:
array([[7, 7, 7, 7],
       [7, 7, 7, 7],
       [7, 7, 7, 7],
       [7, 7, 7, 7]])

In [14]: a[A[:, 0], A[:, 1]] = np.arange(len(A))

In [15]: a
Out[15]:
array([[7, 7, 7, 0],
       [7, 7, 7, 7],
       [7, 7, 1, 7],
       [7, 2, 7, 7]])

“决策者”功能是最后获胜。

如果你想选择不同的决策函数，你可以先指定/修改元组列表(和枚举)，而不是尝试在 numpy 中做一些聪明的事情......