基于连续对元素的属性消除数组行

Question

我们得到一个数组示例a (如下所示)和一个常量c。

import numpy as np

a = np.array([[1, 3, 1, 11, 9, 14],
              [2, 12, 1, 10, 7, 6],
              [6, 7, 2, 14, 2, 15],
              [14, 8, 1, 3, -7, 2],
              [0, -3, 0, 3, -3, 0],
              [2, 2, 3, 3, 12, 13],
              [3, 14, 4, 12, 1, 4],
              [0, 13, 13, 4, 0, 3]])
c = 2

在这个问题中，可以很方便地将每个数组行看作是由三对组成的，所以第一行是[1,3, 1,11, 9,14]。

定义：d_min 是 two consecutive pairs__.元素之间的最小差异。

问题:我想保留数组d_min <= c.的行，其中所有的连续对都有否则，应删除行。

在第一数组行中，第一对(1,3)和第二对(1,11)具有d_min = 1-1=0。第二对(1,11)和第三对(9，14)具有d_min = 11-9=2。(在这两种情况下，都是d_min<=c，因此我们将该行保留在a中)

在第二数组行中，第一对(2,12)和第二对(1,10)具有d_min = 2-1=1。但是，第二对(1,10)和第三对(7，6)有d_min = 10-7=3。(3 > c，因此这一行应该从数组a中删除)

当前的努力:我目前使用嵌套的for-循环(2深)来处理这个问题。

外部循环运行在数组 of a中，使用以下方法确定前两对之间的d_min：

for r in a
    d_min = np.amin(np.abs(np.subtract.outer(r[:2], r[2:4])))

内环使用相同的方法来确定最后两对之间的d_min。仅当d_min<= c对两组连续对进行进一步处理时，才会进行进一步处理。我真的希望有一种方法来避免反循环。我最终需要处理8列数组，而我目前的方法将涉及3深度循环。

在该示例中，有4行冲销。最终结果应该如下所示：

a = np.array([[1, 3, 1, 11, 9, 14],
              [0, -3, 0, 3, -3, 0],
              [3, 14, 4, 12, 1, 4],
              [0, 13, 13, 4, 0, 3]])

Answer 1

假设每一行中的元素数总是相等的：

import numpy as np

a = np.array([[1, 3, 1, 11, 9, 14],
              [2, 12, 1, 10, 7, 6],
              [6, 7, 2, 14, 2, 15],
              [14, 8, 1, 3, -7, 2],
              [0, -3, 0, 3, -3, 0],
              [2, 2, 3, 3, 12, 13],
              [3, 14, 4, 12, 1, 4],
              [0, 13, 13, 4, 0, 3]])
c = 2

# separate the array as previous pairs and next pairs
sx, sy = a.shape
prev_shape = sx, (sy - 2) // 2, 1, 2
next_shape = sx, (sy - 2) // 2, 2, 1

prev_pairs = a[:, :-2].reshape(prev_shape)
next_pairs = a[:, 2:].reshape(next_shape)

# subtract which will effectively work as outer subtraction due to numpy broadcasting, and 
# calculate the minimum difference for each pair
pair_diff_min = np.abs(prev_pairs - next_pairs).min(axis=(2, 3))

# calculate the filter condition as boolean array
to_keep = pair_diff_min.max(axis=1) <= c

print(a[to_keep])
#[[ 1  3  1 11  9 14]
# [ 0 -3  0  3 -3  0]
# [ 3 14  4 12  1  4]
# [ 0 13 13  4  0  3]]

演示链接