2

我有一个包含 16 位无符号整数的 3d 数组的大型数据集。我想将每个整数转换为位，然后只保留其 8:12 位为“0000”的位置到目前为止，我在三个阶段中使用了一种非常慢的循环方法：

import numpy as np
# Generate random data
a = np.ones([4,1200,1200], dtype="int16")
# Generate an array which serves later as mask
b = np.zeros(a.shape, dtype=int)
for i in range(4):
    for j in range(1200):
        for k in range(1200):
            b[i,j,k] = int('{:016b}'.format(a[i,j,k])[8:12])
a = np.ma.masked_where(b!=0, a)

如果您能建议我为此提供一个干净快速的替代方案，我将不胜感激

4

1 回答 1

2

您的问题和示例有点令人困惑，但通常如果您想专注于某些位，您可以应用带有正确掩码的二进制和运算符。&因此，如果您想在 16 位无符号整数中选择“8:12 位”，则该掩码将0b0000000011110000是240.

例如，有了arr = np.random.randint(0, 2 ** 16 - 1, (6, 6))，我有

array([[28111, 29985,  2056, 24534,  2837, 49004],
       [ 7584,  8798, 38715, 40600, 26665, 51545],
       [34279,  8134, 16112, 59336, 15373, 46839],
       [  131, 12500, 11779, 44852, 57627, 50253],
       [63222, 60588,  9191,  3033, 18643,  8975],
       [17299, 62925, 31776, 10933, 59953, 28443]])

然后np.ma.masked_where(arr & 240, arr)产生

masked_array(
  data=[[--, --, 2056, --, --, --],
        [--, --, --, --, --, --],
        [--, --, --, --, 15373, --],
        [--, --, 11779, --, --, --],
        [--, --, --, --, --, 8975],
        [--, --, --, --, --, --]],
  mask=[[ True,  True, False,  True,  True,  True],
        [ True,  True,  True,  True,  True,  True],
        [ True,  True,  True,  True, False,  True],
        [ True,  True, False,  True,  True,  True],
        [ True,  True,  True,  True,  True, False],
        [ True,  True,  True,  True,  True,  True]],
  fill_value=999999)

这与您使用for循环获得的结果一致。

于 2020-02-12T21:54:23.137 回答