如何根据另一个数组的元素复制数组的元素？

Question

pop=np.zeros((population_size,chromosome_length))for i in range(population_size):    for j in range(i,chromosome_length):        pop[i,j] = random.randint(0, 1)        poparray([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],       [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],       [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])我有另一个数组expected，由未显示的代码生成，示例如下：array([[1.99214608],       [1.45140389],       [0.07068525],       [0.69507167],       [1.08384057],       [0.70685254]])然后，我想expected根据自定义间隔对 的值进行分类：actual=np.zeros((population_size,1))for i in range(len(expected)):    if expected[i]>=1.5:        actual[i]=2    elif 1.5>expected[i]>=0.9:        actual[i]=1    else:        actual[i]=0actual=actual.astype(int)   total_count=int(np.sum(actual))print(total_count)[[2] [1] [0] [0] [1] [0]] 4我希望最终输出为：array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],       [0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],       [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],       [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.]])基于 中的值total_count。第一行pop被复制两次，第二行一次，第五行一次。简而言之，我想要的是基于另一个数组的整数元素重复/复制/复制数组的元素。

Answer 1

当您使用 NumPy 数组时，我将尝试在部分中解决这个问题，就好像它们是列表一样，因此首先失去了库的很多目的。尽管语法更加紧凑，但它带来了显着的速度提升。

创造人口

这个很简单。我们可以直接替换生成pop使用numpy.random.randint。我们需要为 和 指定值population_size并chromosome length使用这些值来指定输出大小。

population_size = 6
chromosome_length = 10
pop = np.random.randint(0, 2, (population_size, chromosome_length))

注意：这不会给出与您在实际问题中包含的完全相同的值，因为我们没有为随机数生成器设置种子。但是，代码直接等效于您的for循环，但性能更高。

生成expected

我无法准确替换本节，因为替换你的循环太多了，一些变量也未定义。所以，我只是假设我将获得与您显示的相同的二维数组：

expected = np.array([[1.99214608],
                     [1.45140389],
                     [0.07068525],
                     [0.69507167],
                     [1.08384057],
                     [0.70685254]])

分箱数据

这有点复杂。我们可以利用numpy.digitize在您的区间（0、0.9 和 1.5）之间对数据进行分类。但是，此方法不适用于 2D 数组，因此我将首先使用numpy.ravel()展平数组。

这将返回每个值expected所属的 bin 标识列表。但是，bin 标识从 1 开始，我们希望将这些值用作数组的索引，因此我还将同时从结果中减去 1。

bins = np.array([0, 0.9, 1.5])
dig = np.digitize(expected.ravel(), bins) - 1

最后的步骤

我将创建一个与 bin 类别相对应的值数组。然后我们可以使用相应的替换值numpy.take来替换 的值。dig

replacements = np.array([0, 1, 2])
actual = np.take(replacements, dig)

最后:)，我们可以使用numpy.repeatusingactual以正确的比例获取行pop来构建输出。

最终代码

import numpy as np

population_size = 6

chromosome_length = 10

pop = np.random.randint(0, 2, (population_size, chromosome_length))

# But I'm going to deliberately overwrite the above to solve your particular case

pop = np.array([[0., 1., 0., 1., 1., 1., 0., 0., 1., 1.],

                [0., 0., 1., 0., 1., 0., 1., 1., 0., 0.],

                [0., 0., 1., 0., 0., 1., 1., 0., 0., 1.],

                [0., 0., 0., 0., 1., 0., 1., 1., 1., 0.],

                [0., 0., 0., 0., 1., 0., 1., 1., 0., 1.],

                [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])

# Hard-coded :/

expected = np.array([[1.99214608],

                     [1.45140389],

                     [0.07068525],

                     [0.69507167],

                     [1.08384057],

                     [0.70685254]])

bins = np.array([0, 0.9, 1.5])

dig = np.digitize(expected.ravel(), bins) - 1

replacements = np.array([0, 1, 2])

actual = np.take(replacements, dig)

out = np.repeat(pop, actual, axis=0)

print(out)

给出：

[[0. 1. 0. 1. 1. 1. 0. 0. 1. 1.]

 [0. 1. 0. 1. 1. 1. 0. 0. 1. 1.]

 [0. 0. 1. 0. 1. 0. 1. 1. 0. 0.]

 [0. 0. 0. 0. 1. 0. 1. 1. 0. 1.]]