NumPy 向量化函数如何在多个方向上有效地证明 NumPy 数组的合理性？

用广义向量化函数证明 NumPy 数组

简介

证明 NumPy 数组是指将非零元素移至数组的一侧，使其更易于操作或 过程。虽然提供的 Python 函数侧重于 2D 矩阵的左对齐，但更高效、更全面的方法是使用 NumPy 向量化函数。

用于数组对齐的 NumPy 向量化函数

下面的函数 justify 提供了一种通用的方法来证明 2D 数组的左、右、上、下对齐方向：

import numpy as np

def justify(a, invalid_val=0, axis=1, side='left'):    
    if invalid_val is np.nan:
        mask = ~np.isnan(a)
    else:
        mask = a!=invalid_val
    justified_mask = np.sort(mask,axis=axis)
    if (side=='up') | (side=='left'):
        justified_mask = np.flip(justified_mask,axis=axis)
    out = np.full(a.shape, invalid_val) 
    if axis==1:
        out[justified_mask] = a[mask]
    else:
        out.T[justified_mask.T] = a.T[mask.T]
    return out

参数：

• a：要对齐的输入 NumPy 数组。
• invalid_val：（可选）用于填充对齐数组的值无效。默认为 0。
• axis：要执行对齐的轴。 1 表示行，0 表示列。
• side：对齐方向。 ‘左’、‘右’、‘上’或‘下’。

用法示例:

• 左理由：

a = np.array([[1, 0, 2, 0],
               [3, 0, 4, 0],
               [5, 0, 6, 0],
               [0, 7, 0, 8]])

justified_array = justify(a, side='left')

print(justified_array)
# Output:
# [[1, 2, 0, 0],
#  [3, 4, 0, 0],
#  [5, 6, 0, 0],
#  [7, 8, 0, 0]]

• 向上理由：

justified_array = justify(a, axis=0, side='up')

print(justified_array)
# Output:
# [[1, 7, 2, 8],
#  [3, 0, 4, 0],
#  [5, 0, 6, 0],
#  [6, 0, 0, 0]]

NumPy 的优点函数：

• 向量化：利用 NumPy 的向量化运算实现高性能。
• 广义：支持所有四个方向的对齐.
• 兼容任意数组形状： 对齐任意维度的数组。
• 可自定义无效值： 允许指定无效位置的填充值。
• 合并空值处理： 自动屏蔽 NaN 值（如果 invalid_val 设置为NaN)。

结论

提供的 NumPy 函数 justify 提供了一种稳健且有效的方法来证明 NumPy 数组的合理性。其通用性和矢量化实现使其成为数组操作和处理任务的多功能工具。

以上是NumPy 向量化函数如何在多个方向上有效地证明 NumPy 数组的合理性？的详细内容。更多信息请关注PHP中文网其他相关文章！