python实现在多维数组中挑选符合条件的全部元素

作者:Learning_Rate 时间:2022-06-02 03:43:12 

问题产生:今天在编写神经网络的Cluster作业时,需要根据根据数据标签用不同的颜色画出数据的分布情况,由此学习到了这种高效的方法。

传统思路:用for循环来挑选符合条件的元素,这样十分浪费时间。

代码示例:


from sklearn.datasets.samples_generator import make_blobs
import numpy as np
import matplotlib.pyplot as plt

#product 20 samples and divide them in 4 different types
X, label_true = make_blobs(n_samples=20,centers=4)
print("Data:{:}".format(X))
print("label_true:{:}".format(label_true))

#eliminate the repeated elements
labels=np.unique(label_true)
print("labels:{:}".format(labels))

#plot
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
colors = 'rgbycm'
for index,elem in enumerate(labels):
position=label_true==elem
print("position{:}:{:}".format(index,position))
plt.scatter(X[position,0],X[position,1],label="cluster %d"%elem,color=colors[index%len(colors)])
plt.show()

实验结果:


Data:[[ 6.28987299 1.19041843]
[ 2.12673463 -1.90647309]
[-8.56276424 1.8136798 ]
[ 2.42611937 -3.81970786]
[ 1.83488662 -3.10733306]
[ 6.28320138 -0.24840258]
[-6.74802304 1.13642657]
[ 2.21681643 6.28894411]
[-7.16100601 0.04482262]
[ 1.66858847 3.42225284]
[ 3.19972789 4.58804196]
[-7.37006942 0.57068008]
[ 0.52465584 -2.68794047]
[ 2.71075921 3.57281778]
[ 5.99343237 0.0120798 ]
[ 4.28307033 4.28727222]
[ 0.73714246 -2.38643522]
[ 5.58384782 -0.62066592]
[-8.44295576 -0.05933983]
[ 5.33991984 1.24833992]]
label_true:[0 2 1 2 2 0 1 3 1 3 3 1 2 3 0 3 2 0 1 0]
labels:[0 1 2 3]
position0:[ True False False False False True False False False False False False
False False True False False True False True]
position1:[False False True False False False True False True False False True
False False False False False False True False]
position2:[False True False True True False False False False False False False
True False False False True False False False]
position3:[False False False False False False False True False True True False
False True False True False False False False]

python实现在多维数组中挑选符合条件的全部元素

结果分析:

我们可以看出黄色部分的作用,第一行 position=label_true==elem 的作用是让position在label_true==elem的位置置为True,反之为False,从而得到的position是一个True和False的集合,

而第三行 X[position,0],X[position,1] 就是选择为True的位置上的横坐标和纵坐标,打印出来。还有点懵?我们用最简单的数组来表示

代码示例


import numpy as np
a=np.empty(shape=[0,4], dtype=int)
a=np.append(a,[[1,2,3,4],[2,3,4,5],[7,8,9,10]],axis=0)
position=[True,False,True]
print(a)
print(a[position,3])

结果:


[[ 1 2 3 4]
[ 2 3 4 5]
[ 7 8 9 10]]
[ 4 10]

结果分析:

显然这是一个3行4列的矩阵,我们用position得到的是[a[0],a[2]],然后取a[0]和a[2]的第4个元素,则为4和10.

是不是比用for快多了~~

来源:https://www.cnblogs.com/Ycc-LearningRate/p/11869918.html

标签:python,多维数组,元素
0
投稿

猜你喜欢

  • 使用mysqldump导入数据和mysqldump增量备份(mysqldump使用方法)

    2024-01-23 15:44:43
  • Pyqt5 实现窗口缩放,控件在窗口内自动伸缩的操作

    2022-10-16 06:32:09
  • keras自定义回调函数查看训练的loss和accuracy方式

    2021-01-11 18:13:09
  • Python还能这么玩之用Python做个小游戏的外挂

    2022-12-11 18:27:43
  • python登录豆瓣并发帖的方法

    2021-03-06 14:48:35
  • Python深入浅出分析元类

    2022-01-10 09:09:00
  • Python学习之加密模块使用详解

    2022-06-01 03:58:03
  • 详解go中panic源码解读

    2024-03-22 08:22:51
  • async/await与promise(nodejs中的异步操作问题)

    2024-04-22 22:43:39
  • python 2.7.13 安装配置方法图文教程

    2023-11-13 11:54:37
  • Python实现PS图像抽象画风效果的方法

    2022-10-25 14:08:42
  • python3应用windows api对后台程序窗口及桌面截图并保存的方法

    2023-10-23 12:29:19
  • 基于python traceback实现异常的获取与处理

    2022-04-05 09:59:32
  • python中正则表达式与模式匹配

    2023-08-25 22:54:59
  • c#生成excel示例sql数据库导出excel

    2024-01-26 16:55:07
  • Django DRF APIView源码运行流程详解

    2022-10-29 01:21:44
  • php输出指定时间以前时间格式的方法

    2024-05-09 14:46:39
  • python list语法学习(带例子)

    2023-08-20 05:36:40
  • 注意import和from import 的区别及说明

    2024-01-01 21:26:44
  • Python基于递归算法求最小公倍数和最大公约数示例

    2021-07-20 09:36:23
  • asp之家 网络编程 m.aspxhome.com