justificación de matrices numpy con funciones vectorizadas

numpy proporciona formas eficientes para justificar las matrices usando funciones vectorizadas, ofreciendo un rendimiento mejorado y el código simplificado en comparación con la tarea tradicional de python. elementos distintos de cero a la izquierda, derecha, arriba o hacia abajo mientras mantienen su forma.

numpy solución

La siguiente implementación numpy realiza una justificación eficiente:

import numpy tan numpy Def justify (a, invalid_val = 0, axis = 1, lado = 'izquierda'): Si Invalid_Val es np.nan: máscara = ~ np.isnan (a) demás: máscara = a! = inválido_val justified_mask = np.sort (máscara, axis = eje) if (lado == 'arriba') | (lado == 'izquierda'): justified_mask = np.flip (justified_mask, axis = axis) out = np.full (a.shape, invalid_val) Si el eje == 1: out [justified_mask] = a [máscara] demás: out.t [justified_mask.t] = a.t [Mask.t] return out

Esta función justifica una matriz 2D a lo largo del eje especificado y el lado (izquierda, derecha, hacia arriba, hacia abajo). Funciona identificando elementos distintos de cero usando máscara, clasificándolos usando el tipo, volteando la máscara si se justifica hacia arriba o hacia la izquierda, y finalmente sobrescribe la matriz original con los valores justificados.

import numpy as np

def justify(a, invalid_val=0, axis=1, side='left'):    
    if invalid_val is np.nan:
        mask = ~np.isnan(a)
    else:
        mask = a!=invalid_val
    justified_mask = np.sort(mask,axis=axis)
    if (side=='up') | (side=='left'):
        justified_mask = np.flip(justified_mask,axis=axis)
    out = np.full(a.shape, invalid_val) 
    if axis==1:
        out[justified_mask] = a[mask]
    else:
        out.T[justified_mask.T] = a.T[mask.T]
    return out

aquí es un ejemplo de uso que cubre los elementos de cero a la izquierda:

a = np.array ([1,2,2,2,2,2,2,2,2,2,0]. [3,0,4,0], [5,0,6,0], [0,7,0,8]]) # Cubierta a la izquierda cubierto_left = justify (a, axis = 1, lado = 'izquierda') Imprimir ("Array original:") Imprimir (a) imprimir ("\ ncovered izquierda:") print (cubierta_left)

output:

Array original: [[1 0 2 0] [3 0 4 0] [5 0 6 0] [0 7 0 8]] Cubierto a la izquierda: [[1 2 0 0] [3 4 0 0] [5 6 0 0] [7 8 0 0]]

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

# Cover left
covered_left = justify(a, axis=1, side='left')

print("Original Array:")
print(a)
print("\nCovered Left:")
print(covered_left)

justificación para una matriz n-dimensional genérica

para justificar una matriz n-dimensional, se puede usar la siguiente función:

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

# Cover left
covered_left = justify(a, axis=1, side='left')

print("Original Array:")
print(a)
print("\nCovered Left:")
print(covered_left)

def justify_nd (a, invalid_val, axis, lado): pushax = lambda a: np.moveaxis (a, eje, -1) Si Invalid_Val es np.nan: máscara = ~ np.isnan (a) demás: máscara = a! = inválido_val justified_mask = np.sort (máscara, axis = eje) Si el lado == 'Frente': justified_mask = np.flip (justified_mask, axis = axis) out = np.full (a.shape, invalid_val) if (axis ==-1) o (eje == A.NDIM-1): out [justified_mask] = a [máscara] demás: pushax (out) [pushax (justified_mask)] = pushax (a) [pushax (máscara)] Return out

Esta función admite escenarios más complejos justificando una matriz n-dimensional a lo largo de un eje arbitrario y al 'frente' o 'final' de la matriz.