Python-用2个索引列表索引2D Numpy数组

  • Z时代
  • 2024-01-10
  • 分类：问答

我有一个奇怪的情况。

我有一个2D Numpy数组，x：

x = np.random.random_integers(0,5,(20,8))

我有2个索引器-一个索引为行，一个索引为列。为了索引X，我必须执行以下操作：

row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,column_indices]

不仅仅是：

x_new = x[row_indices,column_indices]

（失败：错误，无法通过（2，）广播（20，））

我希望能够使用广播在一行中建立索引，因为这样可以使代码保持干净和可读性…而且，我对幕后的python并不太了解，但是据我了解它，它在一行中应该更快（我将使用相当大的数组）。

测试用例：

x = np.random.random_integers(0,5,(20,8))
row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,col_indices]
x_doesnt_work = x[row_indices,col_indices]

回答：

np.ix_使用索引或布尔数组/掩码进行选择或分配

1.与 indexing-arrays

一个选择

我们可以np.ix_用来获取索引数组的元组，它们可以相互广播以导致索引的高维组合。因此，当该元组用于索引输入数组时，将为我们提供相同的高维数组。因此，要基于两个1D索引数组进行选择，将是-

x_indexed = x[np.ix_(row_indices,col_indices)]

B.作业

我们可以使用相同的符号将标量或可广播数组分配给那些索引位置。因此，以下工作适用于作业-

x[np.ix_(row_indices,col_indices)] = # scalar or broadcastable array

2.用 masks

我们还可以将布尔数组/掩码与一起使用np.ix_，类似于如何使用索引数组。可以再次使用它来选择输入数组中的一个块，也可以对其进行分配。

一个选择

因此，使用row_mask和col_mask布尔数组分别作为行和列选择的掩码，我们可以使用以下内容进行选择-

x[np.ix_(row_mask,col_mask)]

B.作业

以下是作业的作品

x[np.ix_(row_mask,col_mask)] = # scalar or broadcastable array

  1. np.ix_与indexing-arrays

输入数组和索引数组

In [221]: x
Out[221]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])
In [222]: row_indices
Out[222]: [4, 2, 5, 4, 1]
In [223]: col_indices
Out[223]: [1, 2]

具有np.ix_- 的索引数组的元组

In [224]: np.ix_(row_indices,col_indices) # Broadcasting of indices
Out[224]: 
(array([[4],
        [2],
        [5],
        [4],
        [1]]), array([[1, 2]]))

进行选择

In [225]: x[np.ix_(row_indices,col_indices)]
Out[225]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

如OP所建议的，这实际上与执行2D数组版本的老式广播相同，该数组的2D数组row_indices将其元素/索引发送到axis=0，从而在处创建单例维度，axis=1从而允许使用进行广播col_indices。因此，我们将有一个类似的替代解决方案-

In [227]: x[np.asarray(row_indices)[:,None],col_indices]
Out[227]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

如前所述，对于作业，我们只是这样做。

行，列索引数组

In [36]: row_indices = [1, 4]
In [37]: col_indices = [1, 3]

使用标量进行分配

In [38]: x[np.ix_(row_indices,col_indices)] = -1
In [39]: x
Out[39]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, -1, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -1, 56, -1, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用2D块（可广播数组）进行分配

In [40]: rand_arr = -np.arange(4).reshape(2,2)
In [41]: x[np.ix_(row_indices,col_indices)] = rand_arr
In [42]: x
Out[42]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88,  0, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -2, 56, -3, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]]

  1. np.ix_与masks

输入数组

In [19]: x
Out[19]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

输入行，列掩码

In [20]: row_mask = np.array([0,1,1,0,0,1,0],dtype=bool)
In [21]: col_mask = np.array([1,0,1,0,1,1,0,0],dtype=bool)

进行选择

In [22]: x[np.ix_(row_mask,col_mask)]
Out[22]: 
array([[88, 46, 44, 81],
       [31, 47, 52, 15],
       [74, 95, 81, 97]])

使用标量进行分配

In [23]: x[np.ix_(row_mask,col_mask)] = -1
In [24]: x
Out[24]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [-1, 92, -1, 67, -1, -1, 17, 67],
       [-1, 70, -1, 90, -1, -1, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [-1, 46, -1, 27, -1, -1, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用2D块（可广播数组）进行分配

In [25]: rand_arr = -np.arange(12).reshape(3,4)
In [26]: x[np.ix_(row_mask,col_mask)] = rand_arr
In [27]: x
Out[27]: 
array([[ 17,  39,  88,  14,  73,  58,  17,  78],
       [  0,  92,  -1,  67,  -2,  -3,  17,  67],
       [ -4,  70,  -5,  90,  -6,  -7,  24,  22],
       [ 19,  59,  98,  19,  52,  95,  88,  65],
       [ 85,  76,  56,  72,  43,  79,  53,  37],
       [ -8,  46,  -9,  27, -10, -11,  93,  69],
       [ 49,  46,  12,  83,  15,  63,  20,  79]])

以上是 Python-用2个索引列表索引2D Numpy数组 的全部内容， 来源链接： utcz.com/qa/406577.html

回到顶部