используя np.where с индексами

Question

У меня есть массив нулей (17520,5), который я хочу заполнить двумя значениями: 0 и 0,05.У меня есть два условия, и я использую функцию np.where, однако мне нужно только применить второе условие для конкретных индексов массива.Код, который я использую, выглядит следующим образом:

independent = np.zeros([17520,5])
w1 = np.where(independent == 0)
independent[w1] = np.random.choice([0.0, 0.05], size=len(w1[0]))

Эта часть кода работает нормально и заполняет нулевой массив (независимый) требуемыми значениями: 0 и 0,05 с той же пропорцией (50/50).).С другой стороны, второе условие должно быть реализовано только при определенных индексах, что-то вроде следующего:

for n in range(0, 365):
    start = 24 + n*48
    end = 46 + n*48
    w2 = np.where(independent == 0.05)
    independent[w2][start:end,0:5]=np.random.choice([0.0, 0.05], (22,5),size=len(w2[0]))

Где [start: end, 0: 5] указывает индексы, где я хочу реализовать условияw2.

Буду признателен за помощь, указав правильный способ использования функции np.where с индексами, потому что в данный момент у меня появляется следующая ошибка

 SyntaxError: invalid syntax

Answer 1

Обратите внимание, что np.where может также принимать два array_like аргумента, из которых можно выбирать в зависимости от условия . Вот как вы можете использовать np.where в вашем случае:

for n in range(0, 365):
    start = 24 + n*48
    end = 46 + n*48
    independent[start:end,0:5] = (np.where(independent== 0.05, 
                                          np.random.choice([0.0, 0.05], 
                                                    size=independent.shape), 
                                          independent)[start:end,0:5])

---

Это немного сложно, но вышесказанное можно векторизовать. Ключом является получение списка диапазонов, где мы хотим обновить independent. Для этого мы можем использовать n_ranges из связанного ответа, который можно использовать для получения плоского массива со всеми диапазонами из соответствующих start и end:

start = 24 + np.arange(0, 365)*48
end = 46 + np.arange(0, 365)*48
ranges = n_ranges(start, end)
independent[ranges,0:5] = (np.where(independent== 0.05, 
                                   np.random.choice([0.0, 0.05], 
                                                    size=independent.shape), 
                                   independent)[ranges,0:5])

---

Проверяя время, мы видим, что при втором подходе мы получаем ускорение 260x!

def vect_approach(a):
    start = 24 + np.arange(0, 365)*48
    end = 46 + np.arange(0, 365)*48
    ranges = n_ranges(start, end)
    a[ranges,0:5] = (np.where(a== 0.05, 
                             np.random.choice([0.0, 0.05], size=a.shape ),
                             a)[ranges,0:5])

def loopy_approach(x):
    for n in range(0, 365):
        start = 24 + n*48
        end = 46 + n*48
        independent[start:end,0:5] = (np.where(independent== 0.05, 
                                              np.random.choice([0.0, 0.05], 
                                                        size=independent.shape), 
                                              independent)[start:end,0:5])

---

independent = np.zeros([17520,5])

%timeit loopy_approach(independent)
# 475 ms ± 19.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit vect_approach(independent)
# 1.87 ms ± 95.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)