Parsen eines NumPy Array *Hilfe*

[qubo5000]

Hallo zusammen,

ich benötige dringend Hilfe beim parsen eines numpy arrays.

Beispiel array:
array([
[0,1,0,0,0,0],
[0,0,1,0,0,0]
[0,0,0,1,0,0]
[1,0,0,0,0,0]
[0,0,0,0,01]
[0,0,0,0,1,0]]

Erste Zeile bedeutet A, zweite zeile B und so weiter...
Sprich bei diesem Beispiel wäre jetzt die Lösung die ich haben möchte:
-> D,A,B,C,F,E

Könnt ihr mir hierbei helfen, stehe komplett auf dem Schlauch und benötige es zu morgen.
Vielen Dank schonmal im Voraus

[Sirius3]

So wie Du das beschrieben hast, meinst Du aber Spalten, nicht Zeilen. Ist immer garantiert, dass pro Spalte exakt eine 1 steht?
Wo hast Du denn konkret ein Problem? Wie würdest Du eine Lösung mit eigenen Worten beschreiben?

[qubo5000]

Stimmt ich meine Spalten nicht Zeilen, und pro Zeile steht immer eine 1 da.
Ich dachte mir vielleicht, das man mit einer for schleife abfragen kann: ist in dieser Zeile eine 1, wenn ja an welcher Stelle befindet sich diese 1 von Anzahl N, dann packe den Buchstaben für diese Stelle in der Zeile in ein neues array in form des Buchstabens. also bei [0,1,0,0,0,0] -> in das neue array [x1,B,x3,x4,x5,x6]

Am Ende ist es eine Routenplanung, welche Standorte (bezeichnet mit den Buchstaben) werden in welcher Reihenfolge abgefahren.

Ich hoffe das hilft beim Verständnis.

[Sirius3]

Vom Vorgehen her richtig. Statt der for-Schleife kann man aber auch einfach numpy.argmax verwenden.

[qubo5000]

Ah okay vielen dank, könntest du mir ein Beispiel Code zur verfügung stellen? Bei der praktischen Umsetzung hapert es gerade bei mir.

[__deets__]

Was hast du denn probiert? Denn Hausaufgaben frei Haus gibts hier eher selten.

[qubo5000]

Das habe ich aktuell probiert:

newarray = solution.argmax(axis=1)
newarray

Output: array([1, 2, 3, 0, 5, 4])
Das ist schonmal ziemlich cool, danke an @Sirius3 für den Tipp

newarray = solution.argmax(axis=1)
for i in newarray:
if (newarray == 0):
print("A")
elif (newarray == 1):
print("B")
elif (newarray == 2):
print("C")
elif (newarray == 3):
print("D")
elif (newarray == 4):
print("E")
elif (newarray == 5):
print("F")

Output: CDABEF

Leider ist der Output noch falsch.
Richtiger Output sollte DABCFE sein.

[__deets__]

Das argmax liefert ja nun erstmal nur den größten Vektor. Wenn der also ausgeben wurde, muss das Ganze wiederholt werden, *ohne* das der wieder berücksichtigt wird. Also zb indem man den auf 0 setzt, und das Ganze wiederholt.

[Sirius3]

Schon wieder die Frage, ob Du Spalten oder Zeilen anschaust.
Der gezeigte Code führt übrigens zu einer Fehlermeldung und nicht zum angeblichen Output.

@__deets__: daher ja meine Frage, ob es nur eine 1 pro Spalte geben kann.

[__blackjack__]

Man kann das Ergebnis mit der passenden Methode auch in *einem* Ausdruck ermitteln. (Und der ist gar nicht mal so kryptisch.)

[qubo5000]

@Sirius3
Es kann nur eine 1 pro Spalte und Zeile geben.


@__blackjack__
von welcher Methode sprichst du ?

[kbr]

__blackjack__ wollte Dir den Hinweis geben, dass es eine praktische Metode gibt, sich das Suchen in der Doku also lohnt. Mittels packbits, einem structured array sowie sort hatte ich zwei Zeilen gebraucht, weil ich nicht alles in eine Zeile quetschen wollte. Nun verwende ich numpy eher selten – daher geht es vielleicht auch einfacher.

[__blackjack__]

Hm, `packbits()`, damit habe ich es auch hinbekommen. Aber ohne „structured array“ und Sortieren. Spannend. Es gibt also schon mal mindestens drei Wege.

[__blackjack__]

Meine Lösung wäre die Koordinaten der „nicht-nullen“ zu ermitteln, und da den ASCII-Wert von "A" auf den interessanten Teil zu addieren um an die gesuchten Buchstaben zu kommen:

Code: Alles auswählen

#!/usr/bin/env python3
import numpy as np


def main():
    data = np.array(
        [
            [0, 1, 0, 0, 0, 0],
            [0, 0, 1, 0, 0, 0],
            [0, 0, 0, 1, 0, 0],
            [1, 0, 0, 0, 0, 0],
            [0, 0, 0, 0, 0, 1],
            [0, 0, 0, 0, 1, 0],
        ]
    )
    if not all((data.sum(axis) == 1).all() for axis in [0, 1]):
        raise ValueError("data doesn't conform to one 1 per row/column")

    print(",".join(map(chr, data.transpose().nonzero()[1] + ord("A"))))


if __name__ == "__main__":
    main()

Nach dem Hinweis auf `packbits()` wäre eine Alternative:

Code: Alles auswählen

    print(
        ",".join(
            map(
                chr,
                np.log2(np.packbits(data, 0, "little"))[0].astype(np.uint8)
                + ord("A"),
            )
        )
    )

[Sirius3]

Meine Lösung sah so aus:

Code: Alles auswählen

mapping = np.array(list("ABCDEF"))
print(",".join(mapping[data.argmax(axis=0)]))

[kbr]

Eine fortgeschrittene Auswahl für das Mapping ist eine elegante Lösung – so braucht es keine andere Datenstruktur. Letzteres war mein Ansatz – eine neue Datenstruktur anzulegen, die sich zur Sortierung mit sort() eignet:

Code: Alles auswählen

a = np.array([
[0,1,0,0,0,0],
[0,0,1,0,0,0],
[0,0,0,1,0,0],
[1,0,0,0,0,0],
[0,0,0,0,0,1],
[0,0,0,0,1,0]])
labels = "ABCDEF"

c = np.array(list(zip(np.packbits(a, axis=-1).flatten(), labels)), dtype=[('num', np.uint8), ('label', '<U1')])
print(','.join(np.sort(c)[::-1]['label']))