python – 为2D数组实现numpy in1d?

我有一个2D numpy数组S代表一个状态空间,有80000000行(作为状态)和5列(作为状态变量).

我用S初始化K0,并且在每次迭代中,我对Ki中的所有状态应用状态转移函数f(x),并删除其f(x)不在Ki中的状态,得到Ki 1.直到它收敛,即Ki 1 = Ki.

这样做需要很长时间:

K = S
to_delete = [0]
While to_delete:
    to_delete = []
    for i in xrange(len(K)):
        if not f(i) in K:
        to_delete.append(K(i))
    K = delete(K,to_delete,0)

所以我想做一个矢量化的实现:

在列中切片K,应用f并再次连接它们,从而以某种方式获得f(K).

现在的问题是如何获得一个长度为len(K)的数组,比如Sel,其中每一行Sel [i]确定f(K [i])是否在K中.正好像in1d函数一样.

那么制作起来会很简单

K=K[Sel]]
最佳答案
您的问题很难理解,因为它包含无关的信息并包含拼写错误.如果我理解正确,你只需要一种有效的方法对2D数组的行执行设置操作(在这种情况下是K和f(K)的行的交集).

如果创建structured array视图,则可以使用numpy.in1d执行此操作.

码:

如果这是K:

In [50]: k
Out[50]:
array([[6, 6],
       [3, 7],
       [7, 5],
       [7, 3],
       [1, 3],
       [1, 5],
       [7, 6],
       [3, 8],
       [6, 1],
       [6, 0]])

这是f(K)(对于这个例子,我从第一个col中减去1并在第二个col中加1):

In [51]: k2
Out[51]:
array([[5, 7],
       [2, 8],
       [6, 6],
       [6, 4],
       [0, 4],
       [0, 6],
       [6, 7],
       [2, 9],
       [5, 2],
       [5, 1]])

然后你可以通过做这样的事情找到在f(K)中找到的K中的所有行:

In [55]: k[np.in1d(k.view(dtype='i,i').reshape(k.shape[0]),k2.view(dtype='i,i').
reshape(k2.shape[0]))]
Out[55]: array([[6, 6]])

查看和重塑创建平面结构化视图,以便每行显示为in1d的单个元素. in1d创建匹配项的k的布尔索引,用于表示索引k并返回已过滤的数组.

转载注明原文:python – 为2D数组实现numpy in1d? - 代码日志