Numpy: Wert in verschiedene Spalten für jede Zeile einfügen

Question

Ich versuche, in eine numpy Matrix mit einer Maske einzufügen, die eine einzelne Zelle pro Zeile definiert. Effektiv fügt es einen Wert in jede Zeile ein, aber mit einer anderen Spalte. Ich habe versucht, np.insert() ohne Erfolg zu nutzen:

>>> x 
array([[False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False]], dtype=bool) 
>>> y = np.arange(25).reshape(5,5) 
>>> y 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19], 
     [20, 21, 22, 23, 24]]) 
>>> np.insert(y, np.where(x)[1], 99, axis=1) 
array([[ 0, 1, 99, 99, 99, 99, 99, 2, 3, 4], 
     [ 5, 6, 99, 99, 99, 99, 99, 7, 8, 9], 
     [10, 11, 99, 99, 99, 99, 99, 12, 13, 14], 
     [15, 16, 99, 99, 99, 99, 99, 17, 18, 19], 
     [20, 21, 99, 99, 99, 99, 99, 22, 23, 24]]) 

Immer wenn ich versuche und Einsatz auf der Grundlage der x Maske, es endet Werte zu duplizieren.

Wie bereits erwähnt, kann die Maske möglicherweise so eingerichtet werden, dass sie keine einfache Spalte ist. Zum Beispiel:

>>> x = np.zeros((5, 5), dtype=bool) 
>>> x[1:, 2] = True 
>>> x[0, 1] = True 
>>> x 
array([[False, True, False, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False]], dtype=bool) 

das dann bedeutet, dass ich nicht einfach eine bestimmte Spalte als der Index bei einfügen angeben:

wäre

>>> np.insert(y, 2, [99, 99, 99, 99, 99], axis=1) 
array([[ 0, 1, 99, 2, 3, 4], 
     [ 5, 6, 99, 7, 8, 9], 
     [10, 11, 99, 12, 13, 14], 
     [15, 16, 99, 17, 18, 19], 
     [20, 21, 99, 22, 23, 24]]) 

Die gewünschte Ausgabe:

array([[ 0, 99, 1, 2, 3, 4], 
     [ 5, 6, 99, 7, 8, 9], 
     [10, 11, 99, 12, 13, 14], 
     [15, 16, 99, 17, 18, 19], 
     [20, 21, 99, 22, 23, 24]]) 

Beliebig Hilfe würde sehr geschätzt werden!

Answer 1

Ansatz # 1: Hier ist ein Weg, um mit boolean-indexing -

def insert_one_per_row(arr, mask, putval): 
    mask_ext = np.column_stack((mask, np.zeros((len(mask),1),dtype=bool))) 
    out = np.empty(mask_ext.shape, dtype=arr.dtype) 
    out[~mask_ext] = arr.ravel() 
    out[mask_ext] = putval 
    return out 

Probelauf -

In [91]: insert_one_per_row(y, x, putval=[-1,-2,-3,-4,-5]) 
Out[91]: 
array([[ 0, -1, 1, 2, 3, 4], 
     [ 5, 6, -2, 7, 8, 9], 
     [10, 11, 12, 13, -3, 14], 
     [-4, 15, 16, 17, 18, 19], 
     [20, 21, -5, 22, 23, 24]]) 

-

In [88]: y 
Out[88]: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19], 
     [20, 21, 22, 23, 24]]) 

In [89]: x 
Out[89]: 
array([[False, True, False, False, False], 
     [False, False, True, False, False], 
     [False, False, False, False, True], 
     [ True, False, False, False, False], 
     [False, False, True, False, False]], dtype=bool) 

In [90]: insert_one_per_row(y, x, putval=99) 
Out[90]: 
array([[ 0, 99, 1, 2, 3, 4], 
     [ 5, 6, 99, 7, 8, 9], 
     [10, 11, 12, 13, 99, 14], 
     [99, 15, 16, 17, 18, 19], 
     [20, 21, 99, 22, 23, 24]]) 

Wir haben auch unterschiedliche Werte pro Zeile zuweisen Ansatz # 2: Wir werden die abgeflachten True Orte auf der Maske erhalten und die neuen Werte mit np.insert auf einer abgeflachten Version des Eingangsfeldes an den Stellen einsetzen, wie so -

def insert_one_per_row_v2(arr, mask, putval): 
    idx = np.flatnonzero(mask) 
    return np.insert(arr.ravel(), idx, putval).reshape(arr.shape[0],-1) 

Answer 2

Eigentlich könnte man np.where

np.where(x, np.full_like(y, 99), y) 

verwenden

Und hier ist die Ausgabe:

In [9]: x 
Out[9]: 
array([[False, True, False, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False], 
     [False, False, True, False, False]], dtype=bool) 

In [10]: y 
Out[10]: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19], 
     [20, 21, 22, 23, 24]]) 

In [11]: np.where(x, np.full_like(y, 99), y) 
Out[11]: 
array([[ 0, 99, 2, 3, 4], 
     [ 5, 6, 99, 8, 9], 
     [10, 11, 99, 13, 14], 
     [15, 16, 99, 18, 19], 
     [20, 21, 99, 23, 24]]) 

Dank