行ごとにリセットされるN個の値の小さい位置のマスク配列を生成する

Question

距離の2次元配列が与えられた場合、argsortを使用してインデックス配列を生成します。最初の要素は行の最小値のインデックスです。索引付けを使用して最初のK列のみを選択します。ここではK = 3です。私は、やりたい何

position = np.random.randint(100, size=(5, 5)) 
array([[36, 63, 3, 78, 98], 
    [75, 86, 63, 61, 79], 
    [21, 12, 72, 27, 23], 
    [38, 16, 17, 88, 29], 
    [93, 37, 48, 88, 10]]) 
idx = position.argsort() 
array([[2, 0, 1, 3, 4], 
    [3, 2, 0, 4, 1], 
    [1, 0, 4, 3, 2], 
    [1, 2, 4, 0, 3], 
    [4, 1, 2, 3, 0]]) 
idx[:,0:3] 
array([[2, 0, 1], 
    [3, 2, 0], 
    [1, 0, 4], 
    [1, 2, 4], 
    [4, 1, 2]]) 

は元の位置のアレイに適用した場合のkの最短距離をもたらすだけインデックスを返すマスクされた配列を作成します。

私はこのアプローチを1次元配列で動作するコードに基づいています。

# https://glowingpython.blogspot.co.uk/2012/04/k-nearest-neighbor-search.html 

from numpy import random, argsort, sqrt 
from matplotlib import pyplot as plt  

def knn_search(x, D, K): 
    """ find K nearest neighbours of data among D """ 
    ndata = D.shape[1] 
    K = K if K < ndata else ndata 
    # euclidean distances from the other points 
    sqd = sqrt(((D - x[:, :ndata]) ** 2).sum(axis=0)) 
    idx = argsort(sqd) # sorting 
    # return the indexes of K nearest neighbours 
    return idx[:K] 

# knn_search test 
data = random.rand(2, 5) # random dataset 
x = random.rand(2, 1) # query point 

# performing the search 
neig_idx = knn_search(x, data, 2) 

figure = plt.figure() 
plt.scatter(data[0,:], data[1,:]) 
plt.scatter(x[0], x[1], c='g') 
plt.scatter(data[0, neig_idx], data[1, neig_idx], c='r', marker = 'o') 
plt.show() 

Answer 1

ここに1つの方法だ -

N = 3 # number of points to be set as False per row 

# Slice out the first N cols per row 
k_idx = idx[:,:N] 

# Initialize output array 
out = np.ones(position.shape, dtype=bool) 

# Index into output with k_idx as col indices to reset 
out[np.arange(k_idx.shape[0])[:,None], k_idx] = 0 

最後のステップは、あなたがnumpyのを初めて使用する場合は、大きなステップであるかもしれない、advanced-indexingを含むが、基本的にはここで、我々は列と我々へのインデックスにk_idxを使用しているが、 np.arange(k_idx.shape[0])[:,None]の範囲配列を持つ行にインデックスを付けるためのインデックスのタプルを形成しています。 advanced-indexingの詳細

我々はそうのように、np.argpartition代わりのargsortを使用してパフォーマンスを改善できた - 何

In [227]: position 
Out[227]: 
array([[36, 63, 3, 78, 98], 
     [75, 86, 63, 61, 79], 
     [21, 12, 72, 27, 23], 
     [38, 16, 17, 88, 29], 
     [93, 37, 48, 88, 10]]) 

In [228]: out 
Out[228]: 
array([[False, False, False, True, True], 
     [False, True, False, False, True], 
     [False, False, True, True, False], 
     [ True, False, False, True, False], 
     [ True, False, False, True, False]], dtype=bool)