我正在使用 Numpy 将数据存储到矩阵中。来自 R 背景,有一种非常简单的方法可以将函数应用于矩阵的行/列或两者。
python / numpy组合有类似的东西吗?编写我自己的小实现不是问题,但在我看来,我提出的大多数版本都将比任何现有实现的效率低得多/占用更多的内存。
我想避免从 numpy 矩阵复制到局部变量等,这可能吗?
我试图实现的功能主要是简单的比较(例如,某列中有多少元素小于数字 x 或其中有多少绝对值大于 y)。
我正在使用 Numpy 将数据存储到矩阵中。来自 R 背景,有一种非常简单的方法可以将函数应用于矩阵的行/列或两者。
python / numpy组合有类似的东西吗?编写我自己的小实现不是问题,但在我看来,我提出的大多数版本都将比任何现有实现的效率低得多/占用更多的内存。
我想避免从 numpy 矩阵复制到局部变量等,这可能吗?
我试图实现的功能主要是简单的比较(例如,某列中有多少元素小于数字 x 或其中有多少绝对值大于 y)。
几乎所有 numpy 函数都在整个数组上运行,和/或可以被告知在特定轴(行或列)上运行。
只要您可以根据作用于 numpy 数组或数组切片的 numpy 函数来定义函数,您的函数将自动对整个数组、行或列进行操作。
询问如何实现特定功能以获得更具体的建议可能会更有帮助。
Numpy 提供了np.vectorize和np.frompyfunc来将 Python 对数字进行操作的函数转换为对 numpy 数组进行操作的函数。
例如,
def myfunc(a,b):
if (a>b): return a
else: return b
vecfunc = np.vectorize(myfunc)
result=vecfunc([[1,2,3],[5,6,9]],[7,4,5])
print(result)
# [[7 4 5]
# [7 6 9]]
(当第二个更大时,第一个数组的元素被第二个数组的相应元素替换。)
但不要太兴奋;np.vectorize
并且np.frompyfunc
只是语法糖。它们实际上并没有使您的代码更快。如果您的底层 Python 函数一次对一个值进行操作,那么一次np.vectorize
将向其提供一项,并且整个操作将非常慢(与使用调用某些底层 C 或 Fortran 实现的 numpy 函数相比) .
要计算 column 有多少元素x
小于 number y
,您可以使用如下表达式:
(array['x']<y).sum()
例如:
import numpy as np
array=np.arange(6).view([('x',np.int),('y',np.int)])
print(array)
# [(0, 1) (2, 3) (4, 5)]
print(array['x'])
# [0 2 4]
print(array['x']<3)
# [ True True False]
print((array['x']<3).sum())
# 2
根据一个或多个条件从 NumPy 数组中选择元素很简单,使用 NumPy 优美的密集语法:
>>> import numpy as NP
>>> # generate a matrix to demo the code
>>> A = NP.random.randint(0, 10, 40).reshape(8, 5)
>>> A
array([[6, 7, 6, 4, 8],
[7, 3, 7, 9, 9],
[4, 2, 5, 9, 8],
[3, 8, 2, 6, 3],
[2, 1, 8, 0, 0],
[8, 3, 9, 4, 8],
[3, 3, 9, 8, 4],
[5, 4, 8, 3, 0]])
第 2 列中有多少个元素大于 6?
>>> ndx = A[:,1] > 6
>>> ndx
array([False, True, False, False, True, True, True, True], dtype=bool)
>>> NP.sum(ndx)
5
A的最后一列有多少个元素的绝对值大于3?
>>> A = NP.random.randint(-4, 4, 40).reshape(8, 5)
>>> A
array([[-4, -1, 2, 0, 3],
[-4, -1, -1, -1, 1],
[-1, -2, 2, -2, 3],
[ 1, -4, -1, 0, 0],
[-4, 3, -3, 3, -1],
[ 3, 0, -4, -1, -3],
[ 3, -4, 0, -3, -2],
[ 3, -4, -4, -4, 1]])
>>> ndx = NP.abs(A[:,-1]) > 3
>>> NP.sum(ndx)
0
A的前两行有多少个元素大于等于2?
>>> ndx = A[:2,:] >= 2
>>> NP.sum(ndx.ravel()) # 'ravel' just flattens ndx, which is originally 2D (2x5)
2
NumPy 的索引语法与 R 非常接近;鉴于您对 R 的流利程度,以下是 R 和 NumPy 在这种情况下的主要区别:
NumPy索引是从零开始的,在 R 中,索引从 1 开始
NumPy(如 Python)允许您使用负索引从右到左进行索引——例如,
# to get the last column in A
A[:, -1],
# to get the penultimate column in A
A[:, -2]
# this is a big deal, because in R, the equivalent expresson is:
A[, dim(A)[0]-2]
NumPy 使用冒号“:”表示“未切片”,例如,在 R 中,要获取 A 中的前三行,您可以使用 A[1:3, ]。在 NumPy 中,您将使用 A[0:2, :](在 NumPy 中,“0”不是必需的,实际上最好使用 A[:2, :]
我也来自更多的 R 背景,并且遇到了缺乏更通用的应用程序,它可能需要很短的自定义功能。我已经看到论坛建议使用基本的 numpy 函数,因为它们中的许多都处理数组。但是,我一直对“本机”numpy 函数处理数组的方式感到困惑(有时 0 是按行,1 是按列,有时相反)。
我个人对 apply_along_axis 更灵活函数的解决方案是将它们与 python 中可用的隐式 lambda 函数结合起来。Lambda 函数对于使用更多函数式编程风格的 R 思维者来说应该很容易理解,例如 R 函数 apply、sapply、lapply 等。
因此,例如,我想在矩阵中应用变量的标准化。通常在 R 中有一个用于此(缩放)的函数,但您也可以使用 apply 轻松构建它:
(R代码)
apply(Mat,2,function(x) (x-mean(x))/sd(x) )
您会看到 apply (x-mean(x))/sd(x) 内部的函数体是我们无法直接为 python apply_along_axis 键入的位。使用 lambda 这很容易实现 FOR ONE SET OF VALUES,因此:
(Python)
import numpy as np
vec=np.random.randint(1,10,10) # some random data vector of integers
(lambda x: (x-np.mean(x))/np.std(x) )(vec)
然后,我们只需要将它插入 python apply 并通过 apply_along_axis 传递感兴趣的数组
Mat=np.random.randint(1,10,3*4).reshape((3,4)) # some random data vector
np.apply_along_axis(lambda x: (x-np.mean(x))/np.std(x),0,Mat )
显然,lambda 函数可以实现为一个单独的函数,但我想重点是使用包含在 apply 起源的行中的相当小的函数。
希望对你有帮助 !
Pandas对此非常有用。例如,DataFrame.apply()和groupby 的 apply()应该可以帮助您。