>백엔드 개발 >파이썬 튜토리얼 >NumPy 배열에서 여러 값의 행 인덱스를 효율적으로 찾는 방법은 무엇입니까?

NumPy 배열에서 여러 값의 행 인덱스를 효율적으로 찾는 방법은 무엇입니까?

Barbara Streisand
Barbara Streisand원래의
2024-12-12 18:44:11460검색

How to Efficiently Find Row Indices of Multiple Values in a NumPy Array?

NumPy 배열에서 여러 값의 행 인덱스를 찾는 방법

NumPy는 NumPy 배열 내에서 지정된 값의 행 인덱스를 찾는 여러 가지 접근 방식을 제공합니다.

접근 방법 #1: NumPy 방송

result = np.where((X==searched_values[:,None]).all(-1))[1]

접근 방식 #2: np.ravel_multi_index를 사용한 메모리 효율적인 접근 방식

dims = X.max(0) + 1
out = np.where(np.in1d(np.ravel_multi_index(X.T,dims),\
                    np.ravel_multi_index(searched_values.T,dims)))[0]

접근 방식 #3: 메모리 효율적 다음으로 접근 np.searchsorted

dims = X.max(0) + 1
X1D = np.ravel_multi_index(X.T,dims)
searched_valuesID = np.ravel_multi_index(searched_values.T,dims)
sidx = X1D.argsort()
out = sidx[np.searchsorted(X1D,searched_valuesID,sorter=sidx)]

np.ravel_multi_index 이해

np.ravel_multi_index는 다차원 인덱싱 튜플을 그리드의 선형 인덱스로 변환합니다. 각 열은 차원을 나타내고 그리드 모양을 사용하여 선형 인덱스를 계산한다고 가정합니다.

예를 들어 X:

X = np.array([[4, 2],
              [9, 3]])

및 darks = [10, 7]인 경우 첫 번째 행은 X (4, 2)의 값은 선형 인덱스 30으로 변환됩니다. 이는 다음의 행 4와 열 2에 해당합니다. 그리드:

dims = X.max(0) + 1 # [10, 7]
np.ravel_multi_index(X.T, dims) # [30, 66]

고유한 선형 인덱스에 대한 치수 선택

고유한 선형 인덱스를 보장하려면 그리드의 치수를 각 축의 최대 확장으로 설정해야 합니다. 입력 배열 X. 이는 X의 각 열의 최대값에 1을 추가하여 달성할 수 있습니다.

위 내용은 NumPy 배열에서 여러 값의 행 인덱스를 효율적으로 찾는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명:
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.