python - 在 numpy 数组中有效地找到二进制字符串中的位位置

Question

我有一个大型 Pandas 数据框(大多数情况下是 Numpy ndarray 的子类)，其中包含二进制字符串(0 和 1)。我需要找到这些字符串中所有零的位置，然后标记它们。此外，我希望零的位置相对稀疏(约占所有位位置的 1%)。

基本上，我想运行这样的东西:

import pandas as pd
x = pd.Series([ '11101110', '11111101' ], ) # start with strings
x = pd.Series([ 0b11101110, 0b11111101 ], ) # ... or integers of a known bit length

zero_positions = find_zero_positions( x )

屈服 zero_positions =...

         value
row bit
0   4        0
    0        0
1   1        0

我已经尝试了几种不同的方法来做到这一点，但没有想出比一次循环遍历一行更好的方法。 (编辑:我要查看的实际字符串比此处的 8 位示例长得多，因此查找表不起作用。)

我不确定将其作为字符串问题(Pandas 的 Vectorized string methods 不提供子字符串位置查找方法)或数字问题(使用类似 numpy.unpackbits 的方法，也许吧？)。

Answer 1

你可以使用 numpy.unpackbits如下，以这种形式的 ndarray 开始:

In [1]: x = np.array([[0b11101110], [0b11111101]], dtype=np.uint8)

In [2]: x
Out[2]:
array([[238],
       [253]], dtype=uint8)

In [3]: df = pd.DataFrame(np.unpackbits(x, axis=1))

In [4]: df.columns = df.columns[::-1]

In [5]: df
Out[5]:
   7  6  5  4  3  2  1  0
0  1  1  1  0  1  1  1  0
1  1  1  1  1  1  1  0  1

然后从 DataFrame 中，只是 stack并找到零点:

In [6]: s = df.stack()

In [7]: s.index.names = ['row', 'bit']

In [8]: s[s == 0]
Out[8]:
row  bit
0    4      0
     0      0
1    1      0
dtype: uint8

我认为这是一种相当有效的方法。