Numpy温度计编码

Question

我正在尝试使用numpy优化内置的函数来生成温度计编码。温度计编码基本上是在给定长度的情况下产生n个量。例如，在8长度内，3将编码为：

1 1 1 0 0 0 0 0

使用numpy来生成基于整数输入的向量基本上是切片和设置1。

stream[:num_ones] = 1

因此，我的问题是给出一个向量作为输入，例如，生成矩阵输出的最佳方法是什么：

[2 3 4 1]

作为投入，应产生：

[[1 1 0 0 0 0 0 0],
 [1 1 1 0 0 0 0 0],
 [1 1 1 1 0 0 0 0],
 [1 0 0 0 0 0 0 0]]

我的当前解决方案是迭代所需大小的零矩阵，并使用我前面编写的切片方法将所需的元素数设置为1。我有更快的办法吗？

Answer 1

我以前从未听说过“温度计编码”，但当你意识到它与一种热编码是如此相似时，你就可以使用位移位操作( bit shift Ops)实现它了：

>>> a = np.array([2, 3, 4, 1], dtype=np.uint8)
>>> print(np.fliplr(np.unpackbits((1 << a) - 1).reshape(-1,8)))
[[1 1 0 0 0 0 0 0]
 [1 1 1 0 0 0 0 0]
 [1 1 1 1 0 0 0 0]
 [1 0 0 0 0 0 0 0]]

编辑:通过在8列块中工作，您可以将这种想法推广到任意大小的整数：

a = np.array([2, 13, 4, 0, 1, 17], dtype=np.uint8)
out = np.empty((len(a), 0), dtype=np.uint8)
while a.any():
    block = np.fliplr(np.unpackbits((1 << a) - 1).reshape(-1,8))
    out = np.concatenate([out, block], axis=1)
    a = np.where(a<8, 0, a-8)

print(out)
[[1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0]]

Answer 2

In [22]: x = [2, 3, 4, 1, 0, 8]

In [23]: length = 8

In [24]: (np.arange(length) < np.array(x).reshape(-1, 1)).astype(int)
Out[24]:
array([[1, 1, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 1]])

或者，创建一个不同长度的“条形图”数组：

In [46]: k = np.arange(length + 1)

In [47]: bars = (k[:-1] < k.reshape(-1, 1)).astype(int)

In [48]: bars

Out[48]: 
array([[0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 0],
       [1, 1, 1, 1, 1, 1, 1, 1]])

并将其用作查找表：

In [49]: bars[x]
Out[49]:
array([[1, 1, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 1]])

在上面的代码中，预先分配的数组bars具有形状(length+1, length)。可以使用以下方法创建更高内存效率的bars表示：

In [61]: from numpy.lib.stride_tricks import as_strided

In [62]: u = np.zeros(2*length, dtype=int)

In [63]: u[length:] = 1

In [64]: bars = as_strided(u[length-1:], shape=(length+1, length), strides=(u.strides[0], -u.strides[0]))

In [65]: bars
Out[65]: 
array([[0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 0],
       [1, 1, 1, 1, 1, 1, 1, 1]])

然后bars是一维数组u的视图，它只使用2*length整数.

Answer 3

Wim的回答令人难以置信。我也从来没有听说过温度计编码，但如果我要这样做，我将与地图。如果没有for循环解，它就会更短。表演非常相似。

>>> def setValue(val):
      return np.append(np.ones(val), np.zeros(8-val))
>>> np.array(list(map(setValue, [2,3,4,5])))

array([[ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.],
   [ 1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.],
   [ 1.,  1.,  1.,  1.,  1.,  0.,  0.,  0.]])

或具有lambda函数的一行

>>> np.array(list(map(lambda v: np.append(np.ones(v), np.zeros(8-v)), [1,6,3,8])))

array([[ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 1.,  1.,  1.,  1.,  1.,  1.,  0.,  0.],
   [ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.],
   [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.]])