在numpy数组中无循环迭代

Question

我需要对numpy数组进行逻辑迭代，其值取决于其他数组的元素。我已经编写了下面的代码来澄清我的问题。任何建议来解决这个问题，而不是循环？

Code 
a = np.array(['a', 'b', 'a', 'a', 'b', 'a']) 
b = np.array([150, 154, 147, 126, 148, 125]) 
c = np.zeros_like(b) 
c[0] = 150 
for i in range(1, c.size): 
    if a[i] == "b": 
     c[i] = c[i-1] 
    else: 
     c[i] = b[i] 

Answer 1

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]) 

Answer 2

你可以使用一个更加量化的方法，像这样：

np.where(a == "b", np.roll(c, 1), b) 

如果条件为，np.where将采用np.roll(c, 1)中的元素如果条件是False，则需要从b。 np.roll(c, 1)将“滚动”c的所有元素1，以便每个元素指的是c[i-1]。

这些类型的操作使numpy非常宝贵。如果可能的话，应该避免循环。

Answer 3

如果您不需要环绕缘有一个非常简单的解决方案：

a = np.array(['a', 'b', 'a', 'a', 'b', 'a']) 
b = np.array([150, 154, 147, 126, 148, 125]) 
c = b.copy() #removes necessity of else case 
c[a[:-1]=='b'] = c[a[1:]=='b'] 

或相等：

a = np.array(['a', 'b', 'a', 'a', 'b', 'a']) 
b = np.array([150, 154, 147, 126, 148, 125]) 
c = b.copy() #removes necessity of else case 
mask = a == 'b' 
c[mask[:-1]] = c[mask[1:]] 

如果你想环绕保证金（a[0]=='b'）那么它会变得更复杂一些，你可能需要使用roll，或者先用if来抓这个案例。