下面是使用的np.maximum.accumulate
和np.where
的组合来创建阶梯式指数将被以一定的间隔停止,然后简单地进行索引b
会给我们所需的输出的方法。
因此,实现将是 -
mask = a!="b"
idx = np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))
out = b[idx]
样一步一步的运行 -
In [656]: # Inputs
...: a = np.array(['a', 'b', 'a', 'a', 'b', 'a'])
...: b = np.array([150, 154, 147, 126, 148, 125])
...:
In [657]: mask = a!="b"
In [658]: mask
Out[658]: array([ True, False, True, True, False, True], dtype=bool)
# Crux of the implmentation happens here :
In [696]: np.where(mask,np.arange(mask.size),0)
Out[696]: array([0, 0, 2, 3, 0, 5])
In [697]: np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))
Out[697]: array([0, 0, 2, 3, 3, 5])# Stepped indices "intervaled" at masked places
In [698]: idx = np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))
In [699]: b[idx]
Out[699]: array([150, 150, 147, 126, 126, 125])
这是一个简单而简洁的解决方案。但是,为什么它返回[150 0 147 126 0 125]?它不会从'b'数组中得到值,其中a [i] =“b”。 –
我误解了这个问题,如果你已经拥有所有'c'的元素,但是你通过循环来填充它,所以它比这更复杂一点 – pbreach