如何使用 numpy 对带条件的屏蔽加权平均值进行矢量化？

Question

未向量化的代码如下：

import numpy as np
import numpy.ma as ma

np.random.seed(42)
H = np.random.uniform(0.1, 1.0, size=(6,8))
r, c = H.shape

mask = H.max(axis=1) > 0.95


x = np.linspace(0, 10, c)
weighted_averages = ma.masked_all((r,), dtype=H.dtype)

for i in range(r):
    if mask[i]:
        weighted_averages[i] = np.average(x, weights=H[i, :])

这是我对其进行矢量化的尝试：


_, xx = np.mgrid[0:10:r*1j, 0:10:c*1j]
not_mask = np.logical_not(mask)


weighted_averages = np.average(xx, weights=H, axis=1)
mwa = ma.masked_array(weighted_averages, mask=not_mask)

从输出相同的意义上说，它是有效的，但我是在“作弊”，因为我首先计算所有平均值，然后屏蔽“不需要的”值。我怎样才能避免不必要的计算？我猜我必须以某种方式掩盖 xx、H 或两者。

Answer 1

这个怎么样-

import numpy as np
import numpy.ma as ma

np.random.seed(42)
H = np.random.uniform(0.1, 1.0, size=(6,8))
r, c = H.shape

mask = H.max(axis=1) > 0.95

x = np.linspace(0, 10, c)

H_mask = H[mask]
wa = (np.sum(x * H_mask, axis=1))/np.sum(H_mask, axis=1)
weighted_averages = ma.masked_all((r,), dtype=H.dtype)

weighted_averages[mask] = wa

只需先屏蔽数组，然后取平均值。我不认为你可以在这里使用 np.average 因为它似乎不支持广播。因此，只需手动计算平均值即可。

如何使用 numpy 对带条件的屏蔽加权平均值进行矢量化？

How can I vectorize a masked weighted average with condition using numpy?

python

numpy

weighted-average

masked-array