我是Numpy的新手,编写python已经有一段时间了。
我正在努力地在切片的Numpy数组中找到多个字符串。我的数据:
string0 = "part0-part1-part2-part3-part4"
string1 = "part5-part6-part9-part7-part8"
string2 = "part5-part6-part1-part8-part7"
切成每个部分,然后再次组合成一个数组,以将其全部放在一个位置。
stringsraw = np.array([[string0], [string1], [string2]])
stringssliced = np.array(np.char.split(stringsraw, sep = '-').tolist())
stringscombined = np.squeeze(np.dstack((stringsraw, stringssliced)))
结果:
[['part0-part1-part2-part3-part4' 'part0' 'part1' 'part2' 'part3' 'part4']
['part5-part6-part9-part7-part8' 'part5' 'part6' 'part9' 'part7' 'part8']
['part5-part6-part1-part7-part8' 'part5' 'part6' 'part1' 'part8' 'part7']]
想要找到'part1'和'part7'的索引
np.where((stringscombined[2] == "part1") & (stringscombined[2] == "part7"))
没有结果。谁能解释为什么结果不是[3,4]?
应该有一种更好的方法来避免循环遍历所有内容。
“浪费”的查询/结果将是:
np.where((stringscombined == "part6") & (stringscombined == "part7"))
= array[[1,2,4]
[2,2,5]]
任何帮助,感激不尽
我们可以使用以下方法简化尺寸:
In [475]: stringsraw = np.array([string0, string1, string2])
In [476]: stringsraw
Out[476]:
array(['part0-part1-part2-part3-part4', 'part5-part6-part9-part7-part8',
'part5-part6-part1-part8-part7'], dtype='<U29')
In [477]: np.char.split(stringsraw, sep='-')
Out[477]:
array([list(['part0', 'part1', 'part2', 'part3', 'part4']),
list(['part5', 'part6', 'part9', 'part7', 'part8']),
list(['part5', 'part6', 'part1', 'part8', 'part7'])], dtype=object)
In [478]: np.stack(_)
Out[478]:
array([['part0', 'part1', 'part2', 'part3', 'part4'],
['part5', 'part6', 'part9', 'part7', 'part8'],
['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')
In [479]: arr = _
列表理解会一样好(并且很快):
In [491]: [str.split('-') for str in [string0, string1, string2]]
Out[491]:
[['part0', 'part1', 'part2', 'part3', 'part4'],
['part5', 'part6', 'part9', 'part7', 'part8'],
['part5', 'part6', 'part1', 'part8', 'part7']]
In [492]: np.array(_)
Out[492]:
array([['part0', 'part1', 'part2', 'part3', 'part4'],
['part5', 'part6', 'part9', 'part7', 'part8'],
['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')
然后对切片或整个数组进行相等性测试:
In [488]: np.nonzero((arr[2]=='part1')|(arr[2]=='part7'))
Out[488]: (array([2, 4]),)
In [489]: arr=='part1'
Out[489]:
array([[False, True, False, False, False],
[False, False, False, False, False],
[False, False, True, False, False]])
In [490]: np.nonzero(_)
Out[490]: (array([0, 2]), array([1, 2]))
In [493]: np.in1d(arr[2],['part1','part7'])
Out[493]: array([False, False, True, False, True])
numpy's
字符串处理没有什么特别的。
np.isin
也可以。它使用in1d
。如果一个参数很小,它实际上会像[488]中那样重复执行|
:
In [501]: np.isin(arr,['part1','part7'])
Out[501]:
array([[False, True, False, False, False],
[False, False, False, True, False],
[False, False, True, False, True]])
In [502]: np.nonzero(_)
Out[502]: (array([0, 1, 2, 2]), array([1, 3, 2, 4]))
我们首先可以使用np.isin检测这两个元素的位置:
np.isin(stringscombined,["part1","part7"])
array([[False, False, True, False, False, False],
[False, False, False, False, True, False],
[False, False, False, True, False, True]])
在此上使用np.where()
将告诉我们可以在哪里找到元素。我们还需要一个信息,即哪一行同时具有“ part1”和“ part7”:
(np.sum(stringscombined=="part1",axis=1)>0) & (np.sum(stringscombined=="part7",axis=1)>0)
array([False, False, True])
上面将告诉我们仅从第二行获取索引。将这两个信息合并为一个函数:
def index_A(Array,i1,i2):
idx = (np.sum(Array==i1,axis=1)>0) & (np.sum(Array==i2,axis=1)>0)
loc = np.where(np.isin(Array,[i1,i2]))
hits = [np.insert(loc[1][loc[0]==i],0,i) for i in np.where(idx)[0]]
return hits
index_A(stringscombined,"part6","part7")
[array([1, 2, 4]), array([2, 2, 5])]