给定一个维度、n 和 bool 运算符,我想看看给定的具有适当维度的张量是否通过应用运算符与沿给定维度的第 (i + 1) 到第 (i + n) 个切片进行比较。
换句话说,在更具体的情况下,假设我有一个二维数组,我想比较 5 个值。我需要创建一个 bool 数组,如果接下来的 5 个值都高于第一个值,则第一行的第一列为真。类似地跨列和下一行,第 1 列将第 3 行第 1 列中的值与第 8 行中的值或第 2 行中的第 1 列中的值进行比较。
例如
[[1, 1],
[2, 2],
[3, 3],
[4, 4],
[5, 5],
[6, 0],
[7, 1],
[8, 2]]
应该给:
[[True, False],
[True, False],
[True, False]]
当运算符是 all >=(这意味着所有接下来的 5 个项目都应该大于或等于)并且要比较的项目数是 5 并且比较是逐行的(轴 0) .
我想在 Numpy 或 Pandas 中执行此操作,但更喜欢 Numpy。
请您参考如下方法:
一个技巧是使用 Scipy's 1D minimum filter并将当前元素与从当前元素后一个开始且长度为 n 的间隔的最小值进行比较。检查该间隔中的最小值,我们基本上是检查所有元素的大于。
因此,我们会有一个解决方案,就像这样 -
from scipy.ndimage.filters import minimum_filter1d as minf
def rolling_comparison(a, W):
HW = (W-1)//2 # Half window size for offsetting kernel in min filter
v = minf(a,W,origin=-HW)
return v[:,1:] > a[:,:-1]
这是一个具有各种窗口大小的示例测试 -
In [245]: a
Out[245]:
array([[59, 86, 77, 31, 91, 88, 13, 77, 77, 39],
[12, 63, 98, 21, 69, 89, 93, 38, 52, 62],
[29, 58, 42, 74, 22, 27, 23, 40, 37, 11]])
In [246]: rolling_comparison(a, W=3)
Out[246]:
array([[False, False, False, False, False, False, True, False, False],
[ True, False, False, True, False, False, False, True, False],
[ True, False, False, False, True, False, False, False, False]])
In [247]: rolling_comparison(a, W=5)
Out[247]:
array([[False, False, False, False, False, False, True, False, False],
[ True, False, False, True, False, False, False, False, False],
[False, False, False, False, False, False, False, False, False]])
In [248]: rolling_comparison(a, W=7)
Out[248]:
array([[False, False, False, False, False, False, False, False, False],
[ True, False, False, True, False, False, False, False, False],
[False, False, False, False, False, False, False, False, False]])
解决示例案例
现在,列出的方法适用于二维数组的每一行。看来您希望让它在每列的基础上工作。此外,列出的方法反射(reflect)边界的边界元素,而在您的情况下,您只对有效元素感兴趣。因此,为了适应您的情况,我们需要使用 transpose 并裁剪前半个窗口大小。
因此,根据您的情况,我们会 -
In [82]: a
Out[82]:
array([[1, 1],
[2, 2],
[3, 3],
[4, 4],
[5, 5],
[6, 6], # Made the second elem as 6 for variety
[7, 1],
[8, 2]])
In [83]: rolling_comparison(a.T, W=5).T[:3] # 3 is half window size for 5
Out[83]:
array([[ True, True],
[ True, False],
[ True, False]], dtype=bool)
