从NumPy数组中选择特定的行和列

时间:2014-04-08 03:52:52

标签: python arrays numpy multidimensional-array numpy-slicing

我一直在疯狂地想弄清楚我在这里做错了什么蠢事。

我正在使用NumPy,我有特定的行索引和特定的列索引,我想从中选择。这是我的问题的主旨:

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

为什么会这样?当然我应该能够选择第1,第2和第4行,以及第1和第3列?我期待的结果是:

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

4 个答案:

答案 0 :(得分:58)

花式索引要求您提供每个维度的所有索引。您为第一个提供了3个索引,而第二个提供了2个索引,因此出现错误。你想做这样的事情:

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

这当然是一种痛苦,所以你可以让广播帮助你:

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

如果使用数组而不是列表进行索引,这样做要简单得多:

>>> 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]])

答案 1 :(得分:48)

正如Toan建议的那样,一个简单的黑客就是先选择行,然后选择上的列

>>> 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]])

[编辑]内置方法:np.ix_

我最近发现numpy为你提供了一个内置的单行程序来完成完全 @Jaime所建议的内容,但不必使用广播语法(因为缺乏可读性)。来自文档:

  

使用ix_可以快速构建索引数据的索引数组   交叉产品。 a[np.ix_([1,3],[2,5])]返回数组[[a[1,2] a[1,5]], [a[3,2] a[3,5]]]

所以你这样使用它:

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

它的工作方式是它负责按照Jaime建议的方式对齐数组,以便正确地进行广播:

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

另外,正如MikeC在评论中所说,np.ix_具有返回视图的优势,我的第一个(编辑前)答案没有。这意味着您现在可以分配给索引数组:

>>> 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]])

答案 2 :(得分:5)

使用:

 >>> 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]])

答案 3 :(得分:2)

使用np.ix_是最方便的方法(别人回答),但这是另一种有趣的方法:

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

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

array([[ 0,  2],
       [ 4,  6],
       [12, 14]])