Question

我有一个有4列的numpy数组，想要选择第1,3和4列，其中第二列的值满足某个条件（即固定值）。我试图首先只选择行，但通过以下所有4列选择：

I = A[A[:,1] == i]

哪个有效。然后我进一步尝试（类似于我非常清楚的matlab）：

I = A[A[:,1] == i, [0,2,3]]

哪个不起作用。怎么做？

示例数据：

 >>> A = np.array([[1,2,3,4],[6,1,3,4],[3,2,5,6]])
 >>> print A
 [[1 2 3 4]
  [6 1 3 4]
  [3 2 5 6]]
 >>> i = 2

 # I want to get the columns 1, 3 and 4 for every row which has the value i in the second column. In this case, this would be row 1 and 3 with columns 1, 3 and 4:
 [[1 3 4]
  [3 5 6]]

我现在正在使用它：

I = A[A[:,1] == i]
I = I[:, [0,2,3]]

但我认为必须有一个更好的方法...（我习惯于MATLAB）

Answer 1

>>> a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
>>> a
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

>>> a[a[:,0] > 3] # select rows where first column is greater than 3
array([[ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

>>> a[a[:,0] > 3][:,np.array([True, True, False, True])] # select columns
array([[ 5,  6,  8],
       [ 9, 10, 12]])

# fancier equivalent of the previous
>>> a[np.ix_(a[:,0] > 3, np.array([True, True, False, True]))]
array([[ 5,  6,  8],
       [ 9, 10, 12]])

有关模糊np.ix_()的说明，请参阅https://stackoverflow.com/a/13599843/4323

最后，我们可以通过给出列号列表而不是繁琐的布尔掩码来简化：

>>> a[np.ix_(a[:,0] > 3, (0,1,3))]
array([[ 5,  6,  8],
       [ 9, 10, 12]])

Answer 2

如果您不想使用布尔位置而是使用索引，则可以这样写：

A[:, [0, 2, 3]][A[:, 1] == i]

回到你的例子：

>>> A = np.array([[1,2,3,4],[6,1,3,4],[3,2,5,6]])
>>> print A
[[1 2 3 4]
 [6 1 3 4]
 [3 2 5 6]]
>>> i = 2
>>> print A[:, [0, 2, 3]][A[:, 1] == i]
[[1 3 4]
 [3 5 6]]

严重的是，

Answer 3

>>> a=np.array([[1,2,3], [1,3,4], [2,2,5]])
>>> a[a[:,0]==1][:,[0,1]]
array([[1, 2],
       [1, 3]])
>>>

Answer 4

这也有效。

I = np.array([row[[x for x in range(A.shape[1]) if x != i-1]] for row in A if row[i-1] == i])
print I

编辑：由于索引从0开始，所以

i-1

应该使用。

Answer 5

我希望这能回答你的问题，但我用pandas实现的一段脚本是：

df_targetrows = df.loc[df[col2filter]*somecondition*, [col1,col2,...,coln]]

例如，

targets = stockdf.loc[stockdf['rtns'] > .04, ['symbol','date','rtns']]

这将返回仅包含['symbol','date','rtns']列stockdf的数据框，其中rtns的行值满足stockdf['rtns'] > .04

希望这会有所帮助

选择某些行（满足条件），但只选择Python / Numpy中的某些列

5 个答案: