выравнивание массива по столбцам вдоль столбцов в следующем порядке: нижний треугольник, диагональ, верхний треугольник - PullRequest
Новая
       24

выравнивание массива по столбцам вдоль столбцов в следующем порядке: нижний треугольник, диагональ, верхний треугольник

2 голосов
/ 23 апреля 2019

Вот проблема, которую я пытаюсь решить.Допустим, у нас есть квадратный массив: 

In [10]: arr
Out[10]: 
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12],
       [13, 14, 15, 16]])

То, что я хотел бы иметь, это сгладить этот массив в определенном порядке: сначала я хочу сгладить нижний треугольник вдоль оси-0, а затем выбратьдиагонали, и, наконец, снова сгладить верхний треугольник вдоль оси-0, что, в конечном итоге, даст сглаженный массив следующим образом: 

#              | lower triangle     |diag.elements| upper triangle  |  
res = np.array([5, 9, 13, 10, 14, 15, 1, 6, 11, 16, 2, 3, 7, 4, 8, 12])

Вот мое частичное решение, которое пока не дает желаемого результата.

In [16]: arr[np.tril(arr, k=-1) != 0]
Out[16]: array([ 5,  9, 10, 13, 14, 15])   # not correct!

In [17]: np.diag(arr)
Out[17]: array([ 1,  6, 11, 16])

In [18]: arr[np.triu(arr, k=1) != 0]
Out[18]: array([ 2,  3,  4,  7,  8, 12])  # not correct!

Наконец, объединить эти 3 промежуточных результата.Как правильно проиндексировать, чтобы получить желаемый результат?В качестве альтернативы, есть ли другие способы решения этой проблемы?

Ответы [ 3 ]

2 голосов
/ 23 апреля 2019

Я использую индекс для выбора (numpy трансляция) 

ary=ary.T

i,c=ary.shape
x=np.arange(i)
y=np.arange(c)
np.concatenate([ary[x[:,None]<y],ary[x[:,None]==y],ary[x[:,None]>y]])
Out[1065]: array([ 5,  9, 13, 10, 14, 15,  1,  6, 11, 16,  2,  3,  7,  4,  8, 12])
2 голосов
/ 23 апреля 2019

Вот один на основе masking и concatenating/stacking - 

In [50]: r = np.arange(len(arr))

In [51]: mask = r[:,None]<r

In [54]: np.concatenate((arr.T[mask],np.diag(arr),arr.T[mask.T]))
Out[54]: array([ 5,  9, 13, 10, 14, 15,  1,  6, 11, 16,  2,  3,  7,  4,  8, 12])

Другой основан исключительно на masking - 

n = len(arr)
r = np.arange(n)
mask = r[:,None]<r
diag_mask = r[:,None]==r
comp_mask = np.vstack((mask[None],diag_mask[None],mask.T[None]))
out = np.broadcast_to(arr.T,(3,n,n))[comp_mask]
2 голосов
/ 23 апреля 2019

Использование транспонирования : 

lower = np.tril(a, -1).T.ravel()
diag = np.diag(a)
upper = np.triu(a, 1).T.ravel()

result = np.concatenate([lower[lower != 0], diag, upper[upper != 0]])

print(result)

Вывод: 

[ 5  9 13 10 14 15  1  6 11 16  2  3  7  4  8 12]
...