I eine numpy Array haben, die 4-dimensionale Vektoren enthält, die das folgende Format aufweisen (x, y, z, w)eine numpy Array basierend auf dem größten Wert
Die Größe des Arrays ist 4 x N. Nun, die Daten, die ich habe, ist, wo ich (x, y, z) räumliche Positionen habe und w eine bestimmte Messung an dieser Stelle hält. Nun könnte es mehrere Messungen geben, die mit einer (x, y, z) -Position verbunden sind (gemessen als Floats).
Was ich tun möchte, ist das Array zu filtern, so dass ich ein neues Array bekomme, wo ich die maximale Messung für jede Position (x, y, z) erhalten.
Also, wenn meine Daten wie ist:
x, y, z, w1
x, y, z, w2
x, y, z, w3
wo w1 größer als w2 und w3 ist, wäre die gefilterten Daten:
x, y, z, w1
mehr so konkret sagen, ich habe Daten wie:
[[ 0.7732126 0.48649481 0.29771819 0.91622924]
[ 0.7732126 0.48649481 0.29771819 1.91622924]
[ 0.58294263 0.32025559 0.6925856 0.0524125 ]
[ 0.58294263 0.32025559 0.6925856 0.05 ]
[ 0.58294263 0.32025559 0.6925856 1.7 ]
[ 0.3239913 0.7786444 0.41692853 0.10467392]
[ 0.12080023 0.74853649 0.15356663 0.4505753 ]
[ 0.13536096 0.60319054 0.82018125 0.10445047]
[ 0.1877724 0.96060999 0.39697999 0.59078612]]
Dies sollte zurückkehren
[[ 0.7732126 0.48649481 0.29771819 1.91622924]
[ 0.58294263 0.32025559 0.6925856 1.7 ]
[ 0.3239913 0.7786444 0.41692853 0.10467392]
[ 0.12080023 0.74853649 0.15356663 0.4505753 ]
[ 0.13536096 0.60319054 0.82018125 0.10445047]
[ 0.1877724 0.96060999 0.39697999 0.59078612]]
werden die Einträge für die gleiche (x, y, z) Position immer aufeinanderfolgend sein, wie es in den Abtastdaten oder werden sie zerstreut werden? Wie viele Einträge haben Sie in der Praxis? – jme
Sie könnten leider verstreut sein. Sie werden nie mehr als 4 sein. Leistung ist zum Glück nicht kritisch. – Luca
FYI: Dies ist eine sogenannte "Group-by" -Operation (vgl. Http://pandas.pydata.org/pandas-docs/stable/groupby.html). Sie gruppieren sich nach den ersten drei Spalten und wenden dann die maximale Funktion auf die Gruppen an. Das ist ziemlich einfach mit einer Bibliothek wie Pandas (http://pandas.pydata.org/). –