Question

我有一个2D numpy数组如下：

import numpy as np
foo = np.array([[(i+1)*(j+1) for i in range(10)] for j in range(5)])

    #array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
    #       [ 2,  4,  6,  8, 10, 12, 14, 16, 18, 20],
    #       [ 3,  6,  9, 12, 15, 18, 21, 24, 27, 30],
    #       [ 4,  8, 12, 16, 20, 24, 28, 32, 36, 40],
    #       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]])

我使用np.nonzero创建了一些过滤条件：

csum = np.sum(foo,axis=0)
#array([ 15,  30,  45,  60,  75,  90, 105, 120, 135, 150])
rsum = np.sum(foo,axis=1)
#array([ 55, 110, 165, 220, 275])
cfilter = np.nonzero(csum > 80)
#(array([5, 6, 7, 8, 9]),)
rfilter = np.nonzero(rsum < 165)
#(array([0, 1]),)

现在是否有一些优雅的numpy切片方法来获取rfilter中的r和cfilter中的c的所有foo [r，c]组合？即我想获得以下输出：

array([[ 6,  7,  8,  9, 10],
       [12, 14, 16, 18, 20]])

注意：我知道从阵列中获取块的基本切片选择很容易，但在更高级的用例中，cfilter和rfilter中的索引不一定是彼此相邻的。

非常感谢！

Answer 1

要对叉制品编制索引，请使用np.ix_：

foo[np.ix_(*(rfilter + cfilter))]

您可以直接使用布尔索引（即不使用np.nonzero）：

foo[np.ix_(np.sum(foo, axis=1) < 165, np.sum(foo, axis=0) > 80)]

请注意，所有np.ix_都会适当地添加轴以提供可以一起广播的索引数组：

>>> np.ix_(*(rfilter + cfilter))
(array([[0],
       [1]]), array([[5, 6, 7, 8, 9]]))

Answer 2

另一种方法是使用索引两次：

In [167]: foo[rsum<165][:,csum>80]
Out[167]: 
array([[ 6,  7,  8,  9, 10],
       [12, 14, 16, 18, 20]])

它可读且相当快：

In [168]: %timeit foo[rsum<165][:,csum>80]
100000 loops, best of 3: 9.66 us per loop

In [170]: %timeit foo[np.ix_(rsum<165, csum>80)]
100000 loops, best of 3: 16.4 us per loop

PS：创建foo的更快捷方式是

In [31]: np.multiply.outer(range(1,6),range(1,11))
Out[31]: 
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
       [ 2,  4,  6,  8, 10, 12, 14, 16, 18, 20],
       [ 3,  6,  9, 12, 15, 18, 21, 24, 27, 30],
       [ 4,  8, 12, 16, 20, 24, 28, 32, 36, 40],
       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]])

In [32]: %timeit np.multiply.outer(range(1,6),range(1,11))
100000 loops, best of 3: 14.2 us per loop

In [33]: %timeit np.array([[(i+1)*(j+1) for i in range(10)] for j in range(5)])
10000 loops, best of 3: 26.6 us per loop

Answer 3

你实际上并不需要非零。像（csum> 80）这样的表达式产生新的矩阵。你想要的是（csum＆gt; 80）＆amp;＆amp; （rsum＆lt; 165），但＆amp;＆amp;没有在矩阵上定义。但是，*是，它在布尔矩阵上也是如此。你唯一的问题是你的csum和rsum数组不是正确的形状。但如果你正确堆叠它们，它们就可以播出。

csum = np.hstack (sum (foo, axis=0))
rsum = np.vstack (sum (foo, axis=1))
print foo[(csum > 80) * (hsum < 165)]

唯一的缺点是，它会生成您在一维数组中要求的单元格的值。您将需要重塑（）它以获得您要求的格式。

numpy获取行和列索引2D数组的所有组合

3 个答案: