比较Python中的两个矩阵，并填充缺失的行
我有两个特征矩阵，它们的行数不同。假设矩阵A比矩阵B有更多的行。矩阵的列包括ID1、ID2、时间片、特征值。由于B中有一段时间没有特征值，因此B中的行数小于A。我需要找到B中缺少的行。然后将具有相关ID1、ID2值的行添加到B中，并且特征为零。
ID1 ID2 Time_slice Feature
A= array([[ 100, 1., 0., 1.5],
[ 100, 1., 1., 3.7],
[ 100, 2., 0., 1.2],
[ 100, 2., 1., 1.8],
[ 100, 2., 2., 2.9],
[ 101, 3., 0., 1.5],
[ 101, 3., 1., 3.7],
[ 101, 4., 0., 1.2],
[ 101, 4., 1., 1.8],
[ 101, 4., 2., 2.9]])
B= array([[ 100, 1., 0., 1.25],
[ 100, 1., 1., 3.37],
[ 100, 2., 0., 1.42],
[ 100, 2., 1., 1.68]])
Output should be as follow:
[[ 100, 1., 0., 1.25],
[ 100, 1., 1., 3.37],
[ 100, 2., 0., 1.42],
[ 100, 2., 1., 1.68],
[ 100, 2., 2., 0 ],
[ 101, 3., 0., 0],
[ 101, 3., 1., 0],
[ 101, 4., 0., 0],
[ 101, 4., 1., 0],
[ 101, 4., 2., 0]])
共有2个答案
你可以尝试这样的方法：
import numpy as np
A = np.array([[ 100, 1., 0., 1.5],
[ 100, 1., 1., 3.7],
[ 100, 2., 0., 1.2],
[ 100, 2., 1., 1.8],
[ 100, 2., 2., 2.9],
[ 101, 3., 0., 1.5],
[ 101, 3., 1., 3.7],
[ 101, 4., 0., 1.2],
[ 101, 4., 1., 1.8],
[ 101, 4., 2., 2.9]])
B = np.array([[ 100, 1., 0., 1.25],
[ 100, 1., 1., 3.37],
[ 100, 2., 0., 1.42],
[ 100, 2., 1., 1.68]])
listB = B.tolist()
for rowA in A:
if rowA.tolist not in listB:
B = np.append(B, [[rowA[0], rowA[1], rowA[2], 0]], axis=0)
print B
从所需的输出来看，如果前三列相等，则认为a中的一行与B中的一行匹配。如果我们能够确定哪些A行与B行匹配，您的问题将在很大程度上得到解决。
如果识别匹配仅仅依赖于单个列中的值，那么我们可以使用np。in1d。例如，如果[0,1,2,5,0]是A中的值，[0,2]是B中的值，则
In [39]: np.in1d([0, 1, 2, 5, 0], [0, 2])
Out[39]: array([ True, False, True, False, True], dtype=bool)
显示A的哪些行与B的行匹配。
在NumPy中（目前）没有该函数的高维推广。
然而，有一个技巧可以用来将2D数组的多列视为一列字节值——从而将2D数组转换为1D数组。然后我们可以将np.in1d应用到这个1D数组。我从Jaime那里学到的技巧，在这里封装在函数中：
import numpy as np
def asvoid(arr):
"""
View the array as dtype np.void (bytes).
This views the last axis of ND-arrays as np.void (bytes) so
comparisons can be performed on the entire row.
https://stackoverflow.com/a/16840350/190597 (Jaime, 2013-05)
Some caveats:
- `asvoid` will work for integer dtypes, but be careful if using asvoid on float
dtypes, since float zeros may compare UNEQUALLY:
>>> asvoid([-0.]) == asvoid([0.])
array([False], dtype=bool)
- `asvoid` works best on contiguous arrays. If the input is not contiguous,
`asvoid` will copy the array to make it contiguous, which will slow down the
performance.
"""
arr = np.ascontiguousarray(arr)
return arr.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[-1])))
A = np.array([[ 100, 1., 0., 1.5],
[ 100, 1., 1., 3.7],
[ 100, 2., 0., 1.2],
[ 100, 2., 1., 1.8],
[ 100, 2., 2., 2.9],
[ 101, 3., 0., 1.5],
[ 101, 3., 1., 3.7],
[ 101, 4., 0., 1.2],
[ 101, 4., 1., 1.8],
[ 101, 4., 2., 2.9]])
B = np.array([[ 100, 1., 0., 1.25],
[ 100, 1., 1., 3.37],
[ 100, 2., 0., 1.42],
[ 100, 2., 1., 1.68]])
mask = np.in1d(asvoid(A[:, :3]), asvoid(B[:, :3]))
result = A[~mask]
result[:, -1] = 0
result = np.row_stack([B, result])
print(result)
产量
[[ 100. 1. 0. 1.25]
[ 100. 1. 1. 3.37]
[ 100. 2. 0. 1.42]
[ 100. 2. 1. 1.68]
[ 100. 2. 2. 0. ]
[ 101. 3. 0. 0. ]
[ 101. 3. 1. 0. ]
[ 101. 4. 0. 0. ]
[ 101. 4. 1. 0. ]
[ 101. 4. 2. 0. ]]
-
问题内容： 是否可以从函数构造矩阵？在这种情况下，该函数特别是两个向量的绝对差：。一个使用常规python的最小工作示例： 给予： 有一个看起来像这样的构造会很好： 我可以在其中传递带有参数的输入函数，并保留numpy的速度优势。 问题答案： 我建议看看numpy的广播功能： http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
-
问题内容： 我有以下代码： 它创建一个填充零的矩阵。相反，我想知道是否有一种函数或方法可以将它们初始化为s，而方法很简单。 问题答案： 您很少需要在numpy中进行矢量操作循环。您可以创建一个未初始化的数组并立即分配给所有条目： 我已经在这里和Blaenk发布的时间安排了时间： 时序显示优先选择作为更快的替代方案。OTOH，我喜欢numpy的便捷实现，在该实现中您可以同时为整个slice分配值，代
-
问题内容： 我有两个简单的表：（这里只有“ id”列） 表格1： 表2： sql查询应比较两个表中table2中缺少的“ id”并返回：1,2 有任何想法吗？:) TY 问题答案： 有几种方法可以给这只猫蒙皮： 或者，您可以使用左外部联接：
-
我如何在一行中创建和初始化一个非常值的特征矩阵？下面是一个示例, 或
-
我必须比较两个JSON数组，一个值为[“123.45”]，另一个值为[“123.45”]如何迭代和删除空格？第二个数组值在实际值之前有空格。
-
欢迎提供任何关于这个问题更准确标题的帮助。。 我有一个数据框，其中包含客户级别的观察结果，记录日期以及客户在该日期消费的物品。看起来像这样。 此数据集中的每个观察值都与一个独特的存储日组合有关，但每个存储日观察值都是以消耗的物品的正数为条件列出的，即