Question

我有大量的数据，我需要将这个数组中的一组样本的距离与数组的所有其他元素进行比较。下面是我的数据集的一个非常简单的例子。

import numpy as np
import scipy.spatial.distance as sd

data = np.array(
    [[ 0.93825827,  0.26701143],
     [ 0.99121108,  0.35582816],
     [ 0.90154837,  0.86254049],
     [ 0.83149103,  0.42222948],
     [ 0.27309625,  0.38925281],
     [ 0.06510739,  0.58445673],
     [ 0.61469637,  0.05420098],
     [ 0.92685408,  0.62715114],
     [ 0.22587817,  0.56819403],
     [ 0.28400409,  0.21112043]]
)


sample_indexes = [1,2,3]

# I'd rather not make this
other_indexes = list(set(range(len(data))) - set(sample_indexes))

sample_data = data[sample_indexes]
other_data = data[other_indexes]

# compare them
dists = sd.cdist(sample_data, other_data)

有没有办法为不是样本索引的索引索引numpy数组？在上面的例子中，我创建了一个名为other_indexes的列表。我宁愿不必出于各种原因这样做（大数据集，线程，运行等系统上非常少量的内存等等）。有办法做点什么......

other_data = data[ indexes not in sample_indexes]

我读到numpy面具可以做到这一点，但我试过......

other_data = data[~sample_indexes]

这给了我一个错误。我必须创建一个面具吗？

Answer 1

mask = np.ones(len(data), np.bool)
mask[sample_indexes] = 0
other_data = data[mask]

不是最优雅的，也许应该是单行语句，但它相当有效，而且内存开销也很小。

如果内存是您最关心的问题，np.delete将避免创建掩码，并且fancy-indexing无论如何都会创建一个副本。

第二个想法; np.delete不会修改现有数组，因此它几乎就是您要查找的单行语句。

Answer 2

您可以尝试in1d

In [5]:

select = np.in1d(range(data.shape[0]), sample_indexes)
In [6]:

print data[select]
[[ 0.99121108  0.35582816]
 [ 0.90154837  0.86254049]
 [ 0.83149103  0.42222948]]
In [7]:

print data[~select]
[[ 0.93825827  0.26701143]
 [ 0.27309625  0.38925281]
 [ 0.06510739  0.58445673]
 [ 0.61469637  0.05420098]
 [ 0.92685408  0.62715114]
 [ 0.22587817  0.56819403]
 [ 0.28400409  0.21112043]]

Answer 3

您也可以使用setdiff1d：

In [11]: data[np.setdiff1d(np.arange(data.shape[0]), sample_indexes)]
Out[11]: 
array([[ 0.93825827,  0.26701143],
       [ 0.27309625,  0.38925281],
       [ 0.06510739,  0.58445673],
       [ 0.61469637,  0.05420098],
       [ 0.92685408,  0.62715114],
       [ 0.22587817,  0.56819403],
       [ 0.28400409,  0.21112043]])

Answer 4

我不熟悉numpy的细节，但这是一般解决方案。假设您有以下列表：
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]。
您创建另一个您不想要的指数列表：
inds = [1, 3, 6]。
现在只需执行此操作：
good_data = [x for x in a if x not in inds]，生成good_data = [0, 2, 4, 5, 7, 8, 9]。

如何选择numpy数组索引的逆

4 个答案: