熊猫系列/数据的条件递减

Question

如何更改系列/数据文件中的值，如下所示：

labels = df_known["labels"] # get dataframe

for label in labels:
    for c in classes_to_remove:
        if label > c:
            label -= 1 # doesn't actually change the label in the series, just the local variable

这样，每个标签就会减少所删除的类的数量，而这些类比标签要小。

例如，如果classes_to_remove = [1, 3]和labels = [0, 2, 4]两次减少4，因为它比3和1都大，所以只减少2一次，因为它只比1大一次，并且保持0不变。最后，labels = [0, 1, 2]

编辑：

示例：classes_to_remove = [2]

数据文件：

labels
0        0
1        0
2        0
3        0
4        0
        ..
20596    6
20597    6
20598    6
20599    6
20600    6
Name: labels, Length: 15497, dtype: int64

np.unique(labels)
array([0, 1, 3, 4, 5, 6, 7], dtype=int64) # notice 2 is missing

预期数据：

np.unique(labels)
array([0, 1, 2, 3, 4, 5, 6], dtype=int64) 

Answer 1

我们可以使用np.greater.outer将labels与classes_to_remove进行比较，然后沿axis=1将生成的布尔掩码进行sum，并从labels列中减去这个和以获得结果。

labels -= np.greater.outer([*labels], classes_to_remove).sum(1)

详细信息：

classes_to_remove中的

1. np.greater.outer用于将每个标签与每个数字进行比较

>>> np.greater.outer([*labels], classes_to_remove)

array([[False, False],
       [ True, False],
       [ True,  True]])

1. 现在，我们在axis=1

的前面一步中求和布尔掩码。

>>> np.greater.outer([*labels], classes_to_remove).sum(1)

array([0, 1, 2])

1. 从标签中减去计算出来的和，以得到结果

>>> labels - np.greater.outer([*labels], classes_to_remove).sum(1)

0    0
1    1
2    2
Name: labels, dtype: int64