2つの配列のインデックス作成中にナンシーベクトル化

Question

numpyを使用して次の関数をベクトル化しようとしていますが、完全に失われています。

A = ndarray: Z x 3 

B = ndarray: Z x 3 

C = integer 

D = ndarray: C x 3 

擬似コード：

entries = [] 
means = [] 
For i in range(C): 
    for p in range(len(B)): 
     if B[p] == D[i]: 
      entries.append(A[p]) 
    means.append(columnwise_means(entries)) 
return means 

例は次のようになります。

A = [[1,2,3],[1,2,3],[4,5,6],[4,5,6]] 
B = [[9,8,7],[7,6,5],[1,2,3],[3,4,5]] 
C = 2 
D = [[1,2,3],[4,5,6]] 

戻り値：

[average([9,8,7],[7,6,5]), average(([1,2,3],[3,4,5])] = [[8,7,6],[2,3,4]] 

私はnp.where、np.argwhereを使用して試してみました、 np.meanなどがありますが、望みの効果を得ることはできません。どんな助けでも大歓迎です。

ありがとうございます！

Answer 1

、私は実際のコードでは、あなたが持っているであろうと想定しています：if A[p] == D[i]、および

エントリ：

• 条件としてIF文B：entries.append(B[p])から追加されます。

だから、ここNumPy broadcastingとdot-productと1つのベクトル化のアプローチだ -

mask = (D[:,None,:] == A).all(-1) 
out = mask.dot(B)/(mask.sum(1)[:,None]) 

がの指標として配列を考慮すると、入力配列が整数配列である場合、あなたはメモリを節約し、パフォーマンスを高めることができますこのようにn次元配列とはとてもよう3Dを介さず2D maskを作成 -

dims = np.maximum(A.max(0),D.max(0))+1 
mask = np.ravel_multi_index(D.T,dims)[:,None] == np.ravel_multi_index(A.T,dims) 

サンプルラン -

In [107]: A 
Out[107]: 
array([[1, 2, 3], 
     [1, 2, 3], 
     [4, 5, 6], 
     [4, 5, 6]]) 

In [108]: B 
Out[108]: 
array([[9, 8, 7], 
     [7, 6, 5], 
     [1, 2, 3], 
     [3, 4, 5]]) 

In [109]: mask = (D[:,None,:] == A).all(-1) 
    ...: out = mask.dot(B)/(mask.sum(1)[:,None]) 
    ...: 

In [110]: out 
Out[110]: 
array([[8, 7, 6], 
     [2, 3, 4]]) 

Answer 2

2つのヒントを参照してください。

最初に、行ごとに比較します。それを行うための方法は、1Dにあなたのインデックスシステムを簡素化することです：

def indexer(M,base=256): 
    return (M*base**arange(3)).sum(axis=1) 

ベースは整数>A.max()です。その後、選択がそのように行うことができる。ため

indices=np.equal.outer(indexer(D),indexer(A)) 

：

array([[ True, True, False, False], 
     [False, False, True, True]], dtype=bool) 

第2に、各グループは、異なる長さを有することができるので、ベクトル化は、最後のステップのために困難です。ここに仕事を達成する方法。質問の予想出力で行く

B=array(B) 
means=[B[i].mean(axis=0) for i in indices]