Numpy: changement de max dans chaque ligne à 1, tous les autres nombres de 0

Je suis en train de mettre en œuvre une fonction numpy qui remplace le max dans chaque ligne d'un tableau 2D avec 1, et tous les autres chiffres avec zéro:

>>> a = np.array([[0, 1],
...               [2, 3],
...               [4, 5],
...               [6, 7],
...               [9, 8]])
>>> b = some_function(a)
>>> b
[[0. 1.]
 [0. 1.]
 [0. 1.]
 [0. 1.]
 [1. 0.]]

Ce que j'ai essayé jusqu'à présent

def some_function(x):
    a = np.zeros(x.shape)
    a[:,np.argmax(x, axis=1)] = 1
    return a

>>> b = some_function(a)
>>> b
[[1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]]
InformationsquelleAutor MikeRand | 2013-11-30
  1. 22

    Méthode #1, le fait de modifier le vôtre:

    >>> a = np.array([[0, 1], [2, 3], [4, 5], [6, 7], [9, 8]])
>>> b = np.zeros_like(a)
>>> b[np.arange(len(a)), a.argmax(1)] = 1
>>> b
array([[0, 1],
       [0, 1],
       [0, 1],
       [0, 1],
       [1, 0]])

    [En fait, range fonctionne très bien, je l'ai écrit arange de sortir de l'habitude.]

    Méthode n ° 2, à l'aide de max au lieu de argmax pour gérer le cas où plusieurs éléments atteindre la valeur maximale:

    >>> a = np.array([[0, 1], [2, 2], [4, 3]])
>>> (a == a.max(axis=1)[:,None]).astype(int)
array([[0, 1],
       [1, 1],
       [1, 0]])
    • Merci beaucoup. Question rapide sur la Méthode #1: pourquoi ne pas mon : tranche de syntaxe sur les lignes de faire la même chose que de fournir un tableau avec la ligne les indices eux-mêmes?
    • Il semble que la méthode #1 itère sur un juste une fois, alors que la méthode #2 itère à deux reprises (en max() et dans le ==). Est-ce vrai?
    • À l'aide de range est en fait ralentissement de 13% au cours de mes tests
    InformationsquelleAutor DSM
  2. 3

    a==np.max(a) déclenchera une erreur dans l'avenir, voici donc une version remaniée qui continuera à diffuser correctement.

    Je sais que cette question est assez ancienne, mais je pense avoir une solution décente c'est un peu différente des autres solutions.

    # get max by row and convert from (n, ) -> (n, 1) which will broadcast
row_maxes = a.max(axis=1).reshape(-1, 1)
np.where(a == row_maxes, 1, 0)
np.where(a == row_maxes).astype(int)

    si la mise à jour doit être mis en place, vous pouvez le faire

    a[:] = np.where(a == row_maxes, 1, 0)
    • Au lieu de a.max(axis=1).reshape(-1, 1) vous pouvez faire a.max(axis=1, keepdim=True).
    • Faute de frappe là. C'est keepdims
    InformationsquelleAutor Alex Riina
  3. 2

    Je préfère utiliser numpy.où comme suit:

    a[np.where(a==np.max(a))] = 1
    • Je suppose que cette itération de deux fois au cours d'une?
    InformationsquelleAutor Cyclone