2

语境

由于使用numpy.ma-module 进行屏蔽比直接布尔屏蔽要慢得多，因此我必须使用后者进行argmin/ argmax-计算。

一个小对比：

import numpy as np

# Masked Array
arr1 = np.ma.masked_array([12,4124,124,15,15], mask=[0,1,1,0,1])

# Boolean masking
arr2 = np.array([12,4124,124,15,15])
mask = np.array([0,1,1,0,1], dtype=np.bool)

%timeit arr1.argmin()
# 16.1 µs ± 4.88 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit arr2[mask].argmin()
# 946 ns ± 55.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

无论如何，使用argmin/argmax返回数组中第一次出现的索引。在布尔掩码的情况下，这意味着索引在arr2[mask]and not内arr2。还有我的问题：我需要未屏蔽数组中的索引，同时在屏蔽数组上计算它。


问题

即使我将它应用于布尔掩码版本，如何获得未掩码的argmin/ argmax-index ？arr2arr2[mask]

4

2 回答 2

3

这是一个主要基于masking，特别是-mask-the-mask并且应该是内存效率高的，并且希望在性能上也很好，尤其是在处理大型数组时-

def reset_first_n_True(mask, n):
    # Resets (fills with False) first n True places in mask

    # Count of True in original mask array
    c = np.count_nonzero(mask)

    # Setup second mask that is to be assigned into original mask on its
    # own True positions with the idea of setting first argmin_in_masked_ar
    # True values to False
    second_mask = np.ones(c, dtype=bool)
    second_mask[:n] = False
    mask[mask] = second_mask
    return

# Use reduction function on masked data array 
idx = np.argmin(random_array[random_mask])
reset_first_n_True(random_mask, idx)
out = random_mask.argmax()

要在掩码数据数组上获取 argmax 并将其追溯到原始位置，只有第一步会更改为包括：

idx = np.argmax(random_array[random_mask])

因此，可以使用任何归约操作并以这种方式追溯到它们的原始位置。

如果您正在寻找紧凑的解决方案，请使用nonzero()-

idx = np.flatnonzero(random_mask)
out = idx[random_array[random_mask].argmin()]
# Or idx[random_array[idx].argmin()]
于 2019-08-07T10:06:28.513 回答
1

我的解决方案是使用查找逻辑，其中我有第二个数组存储正确的索引。

假设我们有一个随机值数组，我们用布尔值屏蔽并想要应用argmin/ argmax，这看起来像：

random_array = np.random.randint(10, size=100)
random_mask  = np.random.randint(2, size=100, dtype=np.bool)

# Returns index of fist occurrence of minimum value within the masked array
random_array[random_mask].argmin()

现在我们必须创建一个查找表，其中包含 unmasked 的索引random_array：

lookup = np.arange(len(random_array), dtype=np.int))

如果我们现在lookup以与屏蔽 相同的方式屏蔽random_array，我们检索原始索引：

# Returns the index within the unmasked array
result = lookup[random_mask][random_array[random_mask].argmin()]
于 2019-08-07T09:44:45.073 回答