Искать в двух 3 столбцах numpy массив и найти, где соответствует критериям в Python

Question

У меня есть два numpy массива, таких как

Population A

Score A Score B Answer
  1       0.3      1    
  0       0.5      0
  1       0.6      1     
  0       0.7      1
  1       0.9      1

Population B

Score A Score B Answer
  1       0.3      1    
  0       0.5      0
  1       0.6      1     
  1       0.7      1
  0       0.9      1

 Sample Results are
 ScoreB     Ratio 
  0.3        1
  0.5        1
  0.6        1
  0.7        1

Мне нужно найти оценку / значение оценки B в каждой популяции, любое значение выше этого значения становится 1, иначе 0, например, если вы выберете 0,5 в популяции A первое значение равно 0, остальные равны 1, аналогично, если вы выберете, например, 0,6 для популяции B, то первые два значения равны 0, а остальные равны 1.

Я должен сделать это итеративно / алгоритмически c возможно в то время как l oop я предполагаю и без создания или замены показателя B, так что

Ratio = (counts(scoreA=1&scoreb=1&Answer=1) in population A/ counts(scoreA=1&scoreb=1&Answer=1) in population B) == 1

Примечание: счет B отсортирован, поэтому не стоит беспокоиться об этом

Answer 1

Вы можете использовать логический_и или просто оператор * в массиве numpy, который дает умножение по элементам

import numpy as np
def count_match (v, A, B, C):

  cond = np.logical_and(A == 1, B >= v)
  cond = np.logical_and(cond, C == 1)
  # alternatively, use an element wise product:
  cond = (A == 1) * (B >= v) * (C == 1)

  # counting the number of 1
  count = np.sum(cond)
  return count

A_a = np.array([1, 0, 1, 0, 1])
B_a = np.array([0.3, 0.5, 0.6, 0.7, 0.9])
C_a = np.array([1, 0, 1, 1, 1])

A_b = np.array([1, 0, 1, 1, 0])
B_b = np.array([0.3, 0.5, 0.6, 0.7, 0.9])
C_b = np.array([1, 0, 1, 1, 1])
for v in [0.3, 0.5, 0.6, 0.7, 0.9]:
  print(v, count_match(v, A_a, B_a, C_a) / count_match(v, A_b, B_b, C_b)) # divides by zero brr

обратите внимание, что для popA и popB условие на массивы A и C не меняются, поэтому вы можете их предварительно вычислить (я сомневаюсь, что это сильно меняет время)

def count_match2(v, pre_cond, B):
  return np.sum(pre_cond * (B >= v))

for v in [0.3, 0.5, 0.6, 0.7, 0.9]:
  print(v, count_match2(v, (A_a == 1) * (C_a == 1), B_a) / count_match2(v, (A_b == 1) * (C_b == 1), B_b)) # divides by zero brr