Получить индексы из np.array при условии из другого массива

Предположим, у меня есть массив NumPy (5×5) с расстояниями между точками. Матрица квадратная и симметричная.

distances = np.array([
    [0, 3, 2, 1, 4],
    [3, 0, 1, 3, 5],
    [2, 1, 0, 7, 6],
    [1, 3, 7, 0, 9],
    [4, 5, 6, 9, 0],
    ])

У меня также есть список points из 5 элементов, как показано ниже:

points = ["A", "D", "A", "D", "F"]

так что, например, расстояние между первым "A" и первым "D" списка точек равно distances[0, 1], то есть 3.

Можно ли с помощью функции np.where() получить индексы, где расстояние меньше 2, первая точка равна "A", а вторая точка равна "D"? То есть получить [0, 4] и [2, 1]?

Если я использую np.where((distances <= 2) & (distances > 0)), я получаю индексы массива для всех значений <=2. Я хочу получить индексы для тех значений <= 2, где первая точка — "A", а вторая — "D".

Не могли бы вы предоставить образец ожидаемого результата?

richardec 17.03.2022 23:17

Я думаю, что вывод в вашем примере должен быть [0, 3] и [2, 1].

Tonechas 18.03.2022 00:36
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
43
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Что-то вроде этого?

In [152]: import numpy as np

In [153]: points = np.array(['A', 'D', 'A', 'D', 'F'], dtype='str')

In [154]: distances = np.array(
     ...:     [[0, 3, 2, 1, 4],
     ...:      [3, 0, 1, 3, 5],
     ...:      [2, 1, 0, 7, 6],
     ...:      [1, 3, 7, 0, 9],
     ...:      [4, 5, 6, 9, 0]])

In [155]: first = 'A'

In [156]: second = 'D'

In [157]: threshold = 2

In [158]: rows = np.flatnonzero(points == first)

In [159]: cols = np.flatnonzero(points == second)

In [160]: ixgrid = np.ix_(rows, cols)

In [161]: idx1, idx2 = np.where(distances[ixgrid] <= threshold)

In [162]: np.stack([rows[idx1], cols[idx2]]).T
Out[162]: 
array([[0, 3],
       [2, 1]], dtype=int64)

Другие вопросы по теме