numpy数组整数索引在多个维度

时间:2014-01-25 10:06:30

标签: python numpy

我很确定我错过了整数索引的东西,可以使用一些帮助。假设我创建了一个2D数组:

>>> import numpy as np
>>> x=np.array(range(24)).reshape((4,6))
>>> x
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])

然后我可以用:

选择第1行和第2行
>>> x[[1,2],:]
array([[ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])

或第2行和第3行的第1列:

>>> x[[1,2],1]
array([ 7, 13])

因此,我可以选择第1行和第2行的第3,4和5列:

>>> x[[1,2],[3,4,5]]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape

而我需要分两步完成:

>>> a=x[[1,2],:]
>>> a
array([[ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])
>>> a[:,[3,4,5]]
array([[ 9, 10, 11],
       [15, 16, 17]])

来自R,我的期望似乎是错误的。您能否确认一步确实无法做到这一点,或者建议更好的替代方案?谢谢!

编辑:请注意我在示例中选择的行和列恰好是连续的,但它们不一定是。换句话说,切片索引不适用于我的情况。

2 个答案:

答案 0 :(得分:5)

您还可以选择在索引数组中使用广播,这是我通常会做的,而不是索引两次,这会创建数据的中间副本:

>>> x[[[1], [2]],[[3, 4, 5]]]
array([[ 9, 10, 11],
       [15, 16, 17]])

要更好地了解正在发生的事情以及如何处理更多数量的指数:

>>> row_idx = np.array([1, 2])
>>> col_idx = np.array([3, 4, 5])
>>> x[row_idx.reshape(-1, 1), col_idx]
array([[ 9, 10, 11],
       [15, 16, 17]])

答案 1 :(得分:2)

这样的事情:

In [28]: x[1:3, 3:6]                                                                             
Out[28]: 
array([[ 9, 10, 11],
       [15, 16, 17]])