NumPy：从掩蔽的二维数组中找到阈值上下的排序索引

Question

我有一个二维的带掩码的数值数组，想把里面的值从小到大排序。比如说：

import numpy as np

# Make a random masked array
>>> ar = np.ma.array(np.round(np.random.normal(50, 10, 20), 1),
                     mask=np.random.binomial(1, .2, 20)).reshape((4,5))
>>> print(ar)
[[-- 51.9 38.3 46.8 43.3]
 [52.3 65.0 51.2 46.5 --]
 [56.7 51.1 -- 38.6 33.5]
 [45.2 56.8 74.1 58.4 56.4]]

# Sort the array from lowest to highest, with a flattened index
>>> sorted_ind = ar.argsort(axis=None)
>>> print(sorted_ind)
[14  2 13  4 15  8  3 11  7  1  5 19 10 16 18  6 17  0 12  9]

但是在得到排序后的索引后，我需要把这些索引分成两个简单的部分：一个是小于或等于某个给定的值，另一个是大于或等于这个值。而且，我不需要那些被掩码的值，得把它们去掉。举个例子，如果datum = 51.1，我该怎么把sorted_ind过滤成10个大于datum的索引和8个小于datum的索引？（注意：因为有等于的条件，所以会有一个索引是重复的。还有3个被掩码的值需要从分析中去掉）。我需要保留扁平化后的索引位置，因为我后面会用np.unravel_index(ind, ar.shape)来处理这些索引。

Answer 1

准备工作：

>>> ar = np.ma.array(np.round(np.random.normal(50, 10, 20), 1),
                     mask=np.random.binomial(1, .2, 20)).reshape((4,5))
>>> print(ar)
[[59.9 51.3 -- 19.7 --]
 [59.1 57.2 48.6 49.8 46.3]
 [51.1 61.6 36.9 52.2 51.7]
 [37.9 -- -- 53.1 57.5]]
>>> sorted_ind = ar.argsort(axis=None)
>>> sorted_ind
array([ 3, 12, 15,  9,  7,  8, 10,  1, 14, 13, 18,  6, 19,  5,  0, 11,  4,
        2, 16, 17])

然后是新内容

>>> flat = ar.flatten()
>>> leq_ind = filter(lambda x: flat[x] <= 51.1, sorted_ind)
>>> leq_ind
[3, 12, 15, 9, 7, 8, 10]
>>> geq_ind = filter(lambda x: flat[x] >= 51.1, sorted_ind)
>>> geq_ind
[10, 1, 14, 13, 18, 6, 19, 5, 0, 11]

Answer 2

在这里使用的地方：

import numpy as np
np.random.seed(0)
# Make a random masked array
ar = np.ma.array(np.round(np.random.normal(50, 10, 20), 1),
                     mask=np.random.binomial(1, .2, 20)).reshape((4,5))
# Sort the array from lowest to highest, with a flattened index
sorted_ind = ar.argsort(axis=None)

tmp = ar.flatten()[sorted_ind]
print sorted_ind[np.ma.where(tmp<=51.0)]
print sorted_ind[np.ma.where(tmp>=51.0)]

但是因为tmp是排好序的，所以你可以使用np.searchsorted()：

tmp = ar.flatten()[sorted_ind].compressed() # compressed() will delete all invalid data.
idx = np.searchsorted(tmp, 51.0)
print sorted_ind[:idx]
print sorted_ind[idx:len(tmp)]