Chỉ số mảng dạng vòng tròn

Question

Tôi có một mảng numpy 1-D a = [1,2,3,4,5,6] và một hàm nhận hai đầu vào, starting_index và ending_index và trả về a[staring_index:ending_index].

Rõ ràng là tôi gặp rắc rối khi ending_index nhỏ hơn starting_index. Trong trường hợp này, hàm sẽ bắt đầu từ start_index và đi qua vector a theo cách tròn, tức là trả về tất cả các phần tử đến sau starting_index cộng với tất cả các phần tử từ chỉ mục 0 đến số ending_index.

Ví dụ: nếu starting_index=4 và ending_index=1 thì đầu ra phải là output = [5,6,1]. Tôi có thể thực hiện nó với một điều kiện if nhưng tôi đã tự hỏi nếu có bất kỳ cách Pythonic và súc tích để làm điều đó?

Answer 1

np.take có chế độ wrap:

In [171]: np.take(np.arange(1,7),range(4,7),mode='wrap') 
Out[171]: array([5, 6, 1]) 

Đó không phải là điều bạn muốn.

Trên thực tế, mô đun làm điều tương tự

In [177]: a[np.array([4,5,6])%6] 
Out[177]: array([5, 6, 1]) 

Nhưng làm thế nào về một chức năng nhỏ có thể biến thành (4,1)[4, 5, 6], hoặc nếu bạn thích ?

def foo(a, start, stop): 
    # fn to convert your start stop to a wrapped range 
    if stop<=start: 
     stop += len(a) 
    return np.arange(start, stop)%len(a) 

a[foo(a,4,1)] # or 
np.take(a,foo(a,4,1)) 

Answer 2

Đáng tiếc là bạn không thể làm điều này với cắt, bạn sẽ cần phải concatonate đến hai phân đoạn:

import numpy as np 

a = [1, 2, 3, 4, 5, 6] 
if starting_index > ending_index: 
    part1 = a[start_index:] 
    part2 = a[:end_index] 
    result = np.concatenate([part1, part2]) 
else: 
    result = a[start_index:end_index] 

Answer 3

Một thay thế mà bạn có thể sử dụng được chức năng NumPy roll kết hợp với lập chỉ mục:

# -*- coding: utf-8 -*- 
import numpy as np 

def circular_array(starting_index, ending_index): 

    idx = np.arange(1,7) 
    idx = np.roll(idx, -starting_index)[:(len(idx)-starting_index+ending_index)%len(idx)] 

    return idx 


a = circular_array(4, 1) 
print a 

Answer 4

Vòng kết nối này mãi mãi.

def circular_indices(lb, ub, thresh): 
    indices = [] 
    while True: 
     stop = min(ub, thresh) 
     ix = np.arange(lb, stop) 
     indices.append(ix) 
     if stop != ub: 
      diff = ub - stop 
      lb = 0 
      ub = diff 
     else: 
      break 

    return np.concatenate(indices)