python-2.7 - numpy 数组中连续元素的第一次出现

Question

我有一个二进制 numpy 掩码数组，当至少连续 3 次出现 1 时，我想找到沿 axis=0 的元素的索引。如果没有出现，则 -999 或 NaN 或任何显示它的内容不是索引。所以例如我的数组是这样的:

masked_array(
data=[[[1.0, 0.0],
     [0.0, 1.0]],

    [[0.0, 1.0],
     [0.0, 1.0]],

    [[1.0, 1.0],
     [1.0, 1.0]],

    [[1.0, 1.0],
     [1.0, 0.0]],

    [[1.0, --],
     [0.0, 1.0]],

    [[1.0, 1.0],
     [1.0, 1.0]]])

我想得到这样的东西:

array([[   2,    1],
       [-999,    0]])

最符合 Python 风格的方法是什么？任何提示将不胜感激。

Answer 1

IIUC，你可以先把你的 np 数组做成二维的，然后建立一个数据框，这会让一切变得更容易。看看

row, cols = m.shape[0], m.shape[1] * m.shape[2]
df = pd.DataFrame(m.reshape(row, cols))

    0   1   2   3
0   1.0 0.0 0.0 1.0
1   0.0 1.0 0.0 1.0
2   1.0 1.0 1.0 1.0
3   1.0 1.0 1.0 0.0
4   1.0 0.0 0.0 1.0
5   1.0 1.0 1.0 1.0

现在您可以在axis=0 上使用3 的反向滚动 窗口，并检查所有 元素是 1

ndf = df[::-1].rolling(3, axis=0).apply(all, raw=True)[::-1]

    0   1   2   3
0   NaN NaN NaN 1.0
1   NaN 1.0 NaN NaN
2   1.0 NaN NaN NaN
3   1.0 NaN NaN NaN
4   NaN NaN NaN NaN
5   NaN NaN NaN NaN

并使用idxmax() 获取第一个1 出现的索引

ndf[ndf>=1].idxmax()

0    2.0
1    1.0
2    NaN
3    0.0
dtype: float

要以您描述的方式可视化，只需 reshape 输出

ndf[ndf>=1].idxmax().values.reshape(m.shape[1], m.shape[2])

array([[ 2.,  1.],
       [nan,  0.]])