python 修改array_python – 如何有条件地更改数组值

我需要“有条件地”向现有的numpy数组添加2个新列,并希望在没有太多复杂性的情况下解决它.

假设我有以下数组：

a = np.array([[1, 2],

[-1, 4],

[1, 6],

[-1, 8]])

对于这个数组,我需要添加2个新列,这将使数组看起来如下所示：

a = np.array([[1, 2, 2, 0 ],

[-1, 4, 2, 4 ],

[1, 6, 8, 4 ],

[-1, 8, 8, 12]])

这是它背后的逻辑：

原始数组有2列.输出有4列. (3.和4.列是新的.)

3.列本质上是第二列的增量和,但只有在数组的第一列中相应的值为1时,才会继续添加第2列中的值(来自[：,1])(a： ,0]).例如：

> a [0,2]是2因为[0,1]是2而我们接受它因为[0,0] = 1

> a [1,2]仍为“2”因为[1,0] =( – 1)所以我们跳过a [1,1]的值

> a [2,2]变为(2 6 =)8.它是[0,2]和[2,2]之和.只要第一列中相应的行值为NOT(-1),我们只对2.列中的值求和.

> a [3,2]保持为8因为a [3,0] =( – 1)所以a [3,1]不加到总和中.

创建4.列是相同的,但这次只需添加第二列(a [：,1])中的值,只要第一列的行值为-1即可.

是否有任何库函数以一种很好的方式支持这样的操作？

解决方法:

您可以在第一列中的掩码乘积上使用np.cumsum,使用第二列获取累积总和,然后使用numpy.stack来连接数组：

import numpy as np

a = np.array([[1, 2],

[-1, 4],

[1, 6],

[-1, 8]])

mask = a[:, 0] == 1

third = np.cumsum(a[:, 1] * mask).reshape(-1, 1)

mask = a[:, 0] == -1

fourth = np.cumsum(a[:, 1] * mask).reshape(-1, 1)

result = np.hstack((a, third, fourth))

print(result)

产量

[[ 1 2 2 0]

[-1 4 2 4]

[ 1 6 8 4]

[-1 8 8 12]]

请注意,您必须重塑第三个和第四个以匹配a的尺寸.

标签：python,numpy