最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Pythonnumpy点数组去重

来源:动视网 责编:小OO 时间:2020-11-27 14:22:05
文档

Pythonnumpy点数组去重

废话不多说,直接上代码,有详细注释。,# coding = utf-8import numpy as npfrom IPython import embed# xy 输入,可支持浮点数操作 速度很快哦# return xy 去重后结果def duplicate_removal(xy): if xy.shape[0] <;2: return xy _tmp = (xy*4000).astype(';i4';) # 转换成 i4 处理 _tmp = _tmp[:,0] + _tmp[:,0] 切片操作,因为时二维数组,_tmp[a:b.c:d]为通用表达式,# 表示取第一维的索引 a 到索引 b,和第二维的索引 c 到索引 d# 当取所有时可以直接省略。
推荐度:
导读废话不多说,直接上代码,有详细注释。,# coding = utf-8import numpy as npfrom IPython import embed# xy 输入,可支持浮点数操作 速度很快哦# return xy 去重后结果def duplicate_removal(xy): if xy.shape[0] <;2: return xy _tmp = (xy*4000).astype(';i4';) # 转换成 i4 处理 _tmp = _tmp[:,0] + _tmp[:,0] 切片操作,因为时二维数组,_tmp[a:b.c:d]为通用表达式,# 表示取第一维的索引 a 到索引 b,和第二维的索引 c 到索引 d# 当取所有时可以直接省略。


下面为大家分享一篇Python numpy 点数组去重的实例,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧

废话不多说,直接上代码,有详细注释

# coding = utf-8
import numpy as np
from IPython import embed
# xy 输入,可支持浮点数操作 速度很快哦
# return xy 去重后结果
def duplicate_removal(xy):
 if xy.shape[0] < 2:
 return xy
 _tmp = (xy*4000).astype('i4') # 转换成 i4 处理
 _tmp = _tmp[:,0] + _tmp[:,1]*1j # 转换成复数处理 
 keep = np.unique(_tmp, return_index=True)[1] # 去重 得到索引 
 return xy[keep] # 得到数据并返回 
# _tmp[:,0] 切片操作,因为时二维数组,_tmp[a:b, c:d]为通用表达式,
# 表示取第一维的索引 a 到索引 b,和第二维的索引 c 到索引 d
# 当取所有时可以直接省略,但要加':'冒号 、当 a == b 时可只写 a ,同时不用':'冒号
if __name__ == '__main__':
 if 1: # test
 xy = np.array([[1.0, 1.0, 1.0], [2.0, 2.0, 2.0], [3.0, 0.0, 0.0], [1.0, 1.0, 1.00]])
 print(xy)
 new_xy = duplicate_removal(xy)
 print(new_xy)
 embed()

文档

Pythonnumpy点数组去重

废话不多说,直接上代码,有详细注释。,# coding = utf-8import numpy as npfrom IPython import embed# xy 输入,可支持浮点数操作 速度很快哦# return xy 去重后结果def duplicate_removal(xy): if xy.shape[0] <;2: return xy _tmp = (xy*4000).astype(';i4';) # 转换成 i4 处理 _tmp = _tmp[:,0] + _tmp[:,0] 切片操作,因为时二维数组,_tmp[a:b.c:d]为通用表达式,# 表示取第一维的索引 a 到索引 b,和第二维的索引 c 到索引 d# 当取所有时可以直接省略。
推荐度:
标签: python 数组 numpy
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top