Выбор определенных строк и столбцов из массива NumPy

Я схожу с ума, пытаясь понять, какую глупость я здесь делаю не так.

Я использую NumPy, и у меня есть определенные индексы строк и определенные индексы столбцов, из которых я хочу выбрать. Вот суть моей проблемы:

import numpy as np

a = np.arange(20).reshape((5,4))
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [ 8,  9, 10, 11],
#        [12, 13, 14, 15],
#        [16, 17, 18, 19]])

# If I select certain rows, it works
print a[[0, 1, 3], :]
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [12, 13, 14, 15]])

# If I select certain rows and a single column, it works
print a[[0, 1, 3], 2]
# array([ 2,  6, 14])

# But if I select certain rows AND certain columns, it fails
print a[[0,1,3], [0,2]]
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# ValueError: shape mismatch: objects cannot be broadcast to a single shape

Почему это происходит? Конечно, я могу выбрать 1-ю, 2-ю и 4-ю строки, а также 1-й и 3-й столбцы? Ожидаемый результат:

a[[0,1,3], [0,2]] => [[0,  2],
                      [4,  6],
                      [12, 14]]

python numpy arrays multidimensional-array numpy-slicing
person Mike C    schedule 08.04.2014    source источник
comment
Помечены тегами numpy-spling для улучшения поиска. (Также термины «фрагмент» и «нарезка» не встречаются в открытом тексте, мы могли бы использовать некоторые дубликаты с этими терминами, закрытыми в этом)   -  person smci    schedule 25.05.2018
comment
Это дубликат stackoverflow.com/questions/19161512/numpy-extract-submatrix < / а>   -  person David John Coleman II    schedule 17.12.2018

Ответы (4)


arrow_upward
93
arrow_downward

Модное индексирование требует, чтобы вы указали все индексы для каждого измерения. Вы предоставляете 3 индекса для первого и только 2 для второго, отсюда и ошибка. Вы хотите сделать что-то вроде этого:

>>> a[[[0, 0], [1, 1], [3, 3]], [[0,2], [0,2], [0, 2]]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

Об этом, конечно, сложно писать, поэтому вы можете позволить вещанию помочь вам:

>>> a[[[0], [1], [3]], [0, 2]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

Это намного проще сделать, если вы индексируете массивы, а не списки:

>>> row_idx = np.array([0, 1, 3])
>>> col_idx = np.array([0, 2])
>>> a[row_idx[:, None], col_idx]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])
person Jaime    schedule 08.04.2014
comment
Спасибо, я не знал, что у тебя это получится! Вещание - это странно и замечательно ... После двух лет беспорядка я все еще к этому привыкаю. - person Praveen; 08.04.2014
comment
Спасибо! В то время как другие ответы действительно ответили на мой вопрос с точки зрения возврата выбранной матрицы, в этом ответе рассматривается это, а также рассматривается проблема присваивания (как установить [[0,1,3], [0,2]] = 0 , Например). - person Mike C; 08.04.2014
comment
@Jaime - Буквально вчера я обнаружил встроенный однострочный модуль, который выполняет именно тот трюк с трансляцией, который вы предлагаете: np.ix_ - person Praveen; 09.01.2016
comment
Может ли кто-нибудь объяснить, почему синтаксис работает так? По какой причине это работает для обоих первых примеров, но не для третьего. А также, как эту проблему решает инкапсуляция требуемых индексов в их собственные списки? Спасибо - person Imad; 16.01.2018
comment
Почему строки должны быть вложенными, а столбцы - нет? - person AturSams; 26.03.2019
comment
это всегда занимает у меня часы, и я возвращаюсь к stackoverflow, чтобы вспомнить - person eusoubrasileiro; 13.12.2019

arrow_upward
101
arrow_downward

Как предлагает Тоан, простой способ - просто сначала выбрать строки, а затем выбрать столбцы над этим.

>>> a[[0,1,3], :]            # Returns the rows you want
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [12, 13, 14, 15]])
>>> a[[0,1,3], :][:, [0,2]]  # Selects the columns you want as well
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

[Edit] Встроенный метод: np.ix_ < / а>

Недавно я обнаружил, что numpy дает вам встроенную однострочную оболочку для выполнения именно того, что предлагал @Jaime, но без необходимости использовать синтаксис широковещательной передачи (который страдает от нечитабельности). Из документов:

Используя ix_, можно быстро создавать массивы индексов, которые будут индексировать перекрестное произведение. a[np.ix_([1,3],[2,5])] возвращает массив [[a[1,2] a[1,5]], [a[3,2] a[3,5]]].

Итак, вы используете это так:

>>> a = np.arange(20).reshape((5,4))
>>> a[np.ix_([0,1,3], [0,2])]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

И то, как он работает, заключается в том, что он заботится о выравнивании массивов, как предложил Хайме, чтобы трансляция происходила должным образом:

>>> np.ix_([0,1,3], [0,2])
(array([[0],
        [1],
        [3]]), array([[0, 2]]))

Кроме того, как говорит MikeC в комментарии, np.ix_ имеет то преимущество, что возвращает представление, чего не было в моем первом (до редактирования) ответе. Это означает, что теперь вы можете назначить индексированному массиву:

>>> a[np.ix_([0,1,3], [0,2])] = -1
>>> a    
array([[-1,  1, -1,  3],
       [-1,  5, -1,  7],
       [ 8,  9, 10, 11],
       [-1, 13, -1, 15],
       [16, 17, 18, 19]])
person Praveen    schedule 08.04.2014
comment
В нескольких тестах я также обнаружил, что np.ix_ работает быстрее, чем метод выбора первых столбцов, а затем строк (обычно примерно в 2 раза быстрее в моих тестах квадратных массивов размером от 1 до 10 тысяч, где вы повторно индексируете все строки и столбцы). - person Nathan; 09.03.2019

arrow_upward
8
arrow_downward

ИСПОЛЬЗОВАТЬ:

 >>> a[[0,1,3]][:,[0,2]]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])

OR:

>>> a[[0,1,3],::2]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])
person Toan Nguyen    schedule 08.04.2014
comment
Хотя это правильно, вам следует рассмотреть возможность публикации дополнительной информации, объясняющей, почему это правильно. - person ebarr; 08.04.2014

arrow_upward
3
arrow_downward

Использование np.ix_ - самый удобный способ сделать это (как ответили другие), но вот еще один интересный способ сделать это:

>>> rows = [0, 1, 3]
>>> cols = [0, 2]

>>> a[rows].T[cols].T

array([[ 0,  2],
       [ 4,  6],
       [12, 14]])
person Andreas K.    schedule 25.01.2020