在同一个np数组中明智地比较元素Python

Question

我试图比较一个np数组中的值，顺序追加它们并创建一个具有np数组最小值的向量（向量的长度应为N * 2 -1，如果矩阵维数是N×N）。我附上了一张图片来更好地说明问题。基本上，我想从位置[0,0]开始，然后依次比较[0,1]和[1,0]等值。当nan与数字进行比较时，会自动选择数字。为了比较两个数字，即[0,2]和[1,1]中的值，应选择较小的一个。

原因矩阵是楠上三角矩阵值上市，而不是0的，是矩阵是对称的，我认为这会使得向量的计算，在它的最小值更容易。

下面是我写的一些代码，试图解决这个问题。我意识到索引i和j在矩阵中移动不正确，但是，我完全失去了如何正确地完成它。

注意：我没有包含生成矩阵的代码，只是因为它是较大脚本的一部分，我想避免混淆。在这个例子中，我将dim = 5表示为5x5大小的矩阵（mat）。此外，这只是最小值碰巧是[mat [0,0]，mat [0,1]，mat [1,1]，mat [1,2] ...]的一个例子。

x=[] 
dim = 5 
for i in range(dim-1): 
    for j in range(dim-1): 

    if mat[i,j+1] > mat[i+1,j]: 
     x.append(mat[i+1,j]) 

    elif mat[i,j+1] < mat[i+1,j]: 
     x.append(mat[i,j+1]) 

    elif m.isnan(mat[i,j+1]): 
     x.append(mat[i+1,j]) 

    elif m.isnan(mat[i+1,j]): 
     x.append(mat[i,j+1]) 

我会很感激任何帮助/提示与此。

编辑：

感谢您的所有输入。我想我想出了如何去做。我认为，这样做可能有更多pythonic的方式，但是，我缺乏现在的技能。代码打击应该能够通过选择最小值的上三角矩阵并将它们附加到一个向量。在这个例子中，我的意思是矢量= [2.8,4.7,7.6,5.5,5.3,0.18，-3.9，-11.1，-20.1]。

import numpy as np 


dim = 5 
mat = np.array([[2.802, 4.713, 9.581, 15.339, 22.273], 
    [np.nan, 7.647, 5.559, 7.317, 10.250], 
    [np.nan, np.nan, 5.383, 0.184, -0.882], 
    [np.nan, np.nan, np.nan, -3.992, -11.124], 
    [np.nan, np.nan, np.nan, np.nan, -20.192]]) 
mat_to_vect = np.reshape(mat, (dim**2)) 
min_vect = [mat_to_vect[0]] 

i = 1 
j = dim 

while i and j < dim**2-1: 

    if mat_to_vect[i] > mat_to_vect[j]: 
     min_vect.append(mat_to_vect[j]) 
     j += dim 
     i += dim 

    elif mat_to_vect[i] < mat_to_vect[j]: 
     min_vect.append(mat_to_vect[i]) 
     j += 1 
     i += 1 

    elif m.isnan(mat_to_vect[i]): 
     min_vect.append(mat_to_vect[j]) 
     j += dim 
     i += dim 

    elif m.isnan(mat_to_vect[j]): 
     min_vect.append(mat_to_vect[i]) 
     j += 1 
     i += 1 

min_vect.append(mat_to_vect[dim**2-1]) 

Answer 1

import numpy as np 


dim = 5 
mat = np.array([[2.802, 4.713, 9.581, 15.339, 22.273], 
    [np.nan, 7.647, 5.559, 7.317, 10.250], 
    [np.nan, np.nan, 5.383, 0.184, -0.882], 
    [np.nan, np.nan, np.nan, -3.992, -11.124], 
    [np.nan, np.nan, np.nan, np.nan, -20.192]]) 
mat_to_vect = np.reshape(mat, (dim**2)) 
min_vect = [mat_to_vect[0]] 

i = 1 
j = dim 

while i and j < dim**2-1: 

    if mat_to_vect[i] > mat_to_vect[j]: 
     min_vect.append(mat_to_vect[j]) 
     j += dim 
     i += dim 

    elif mat_to_vect[i] < mat_to_vect[j]: 
     min_vect.append(mat_to_vect[i]) 
     j += 1 
     i += 1 

    elif m.isnan(mat_to_vect[i]): 
     min_vect.append(mat_to_vect[j]) 
     j += dim 
     i += dim 

    elif m.isnan(mat_to_vect[j]): 
     min_vect.append(mat_to_vect[i]) 
     j += 1 
     i += 1 

min_vect.append(mat_to_vect[dim**2-1]) 

Answer 2

这对评论太大了，但可能会为您的最终解决方案提供一些选项。

a = [[2.802, 4.713, 9.581, 15.339, 22.273], 
    [np.nan, 7.647, 5.559, 7.317, 10.250], 
    [np.nan, np.nan, 5.383, 0.184, -0.882], 
    [np.nan, np.nan, np.nan, -3.992, -11.124], 
    [np.nan, np.nan, np.nan, np.nan, -20.192]] 
b = np.nanmin(a, axis=0) 
b 
array([ 2.802, 4.713, 5.383, -3.992, -20.192]) 

现在如果-20.192所需的结果，那么最后的解决方案很简单。 实际上，使用np.triu的下半部分设置为np.nan的设置允许使用nan函数来获取最小值。在你的情况下，如果-20.192是所期望的结果，则按列获得最小值，然后按行排列。 如果这不是最后一种情况，则需要进一步定义从单元格（0,0）开始依次通过数组的步骤。总之，np.nanmin似乎是你以后的样子。

附录 或者你也可以按顺序做到这一点，我认为你添加的注释指

a 
array([[ 2.802, 4.713, 9.581, 15.339, 22.273], 
     [ nan, 7.647, 5.559, 7.317, 10.25 ], 
     [ nan,  nan, 5.383, 0.184, -0.882], 
     [ nan,  nan,  nan, -3.992, -11.124], 
     [ nan,  nan,  nan,  nan, -20.192]]) 

b = [np.nanmin(a[:i], axis=0) for i in range(1, a.shape[0]+1)] 
b 
[array([ 2.802, 4.713, 9.581, 15.339, 22.273]), 
array([ 2.802, 4.713, 5.559, 7.317, 10.25 ]), 
array([ 2.802, 4.713, 5.383, 0.184, -0.882]), 
array([ 2.802, 4.713, 5.383, -3.992, -11.124]) 
array([ 2.802, 4.713, 5.383, -3.992, -20.192])]]