检查二维数组中每行中不同列索引的值

Question

我有一些二进制2D numpy数组（prediction）类似于：

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

2D数组中的每一行都是一个句子作为特定类别的分类，2D数组中的每一列对应于该句子的类别分类。例如，类别（categories数组）是['A','B','C','D','E','F']。在

我有另一个2D数组（catIndex），它包含要在每一行中检查的值的索引，例如

^{pr2}$

对于上面的4个实例。在

我现在要做的是遍历二进制2D数组，对于为每个句子指定的列索引，检查它是1还是0，然后将相应的类别追加到一个新数组（catResult = []）。如果它是0，我会将"no_region"追加到新数组中。在

例如，在句子1中，我查看句子的索引0，并检查它是0还是{}。它是一个1，所以我将'A'追加到我的新数组中。在第2句中，我查看句子的索引4，发现它是一个0，所以我将"no_region"追加到数组中。在

当前代码：

for index in catIndex:
        for i,sentence in enumerate(prediction):
            for j,binaryLabel in enumerate(sentence):
                if prediction[i][index]==1:
                    catResult.append(categories[index])
                else:
                    catResult.append("no_region")

Answer 1

制作二维阵列：

In [54]: M=[[1,0,1,0,1,1],[0,0,1,0,0,1],[1,1,1,1,1,0],[1,1,0,0,1,1]]
In [55]: M=np.array(M)

列索引，其中ind，行索引为[0,1,2,3]：

^{pr2}$

{cd1>带标签的{cd1}：

In [59]: lbl=np.array(list('ABCDEF'),dtype=object)    
In [60]: res=lbl[ind]
In [61]: res
Out[61]: array(['A', 'E', 'F', 'C'], dtype=object)

使用where来确定是使用该映射值，还是使用某个None。使用object数据类型可以很容易地将字符串标签替换为其他内容，None或{}，等等

In [62]: np.where(m, res, None)
Out[62]: array(['A', None, None, None], dtype=object)

Answer 2

按照这些思路，应该可以有效地实现这一点，尽管目前还无法进行测试：

rows = len(prediction)
p = prediction[np.arange(rows), catIndex.flatten()]
catResult = np.empty(rows, 'S1').fill('n')
catResult[p] = categories[catIndex.flatten()][p]