Question

我是NumPy的新手，也不是最有成就感的Python程序员，如果这对你来说似乎微不足道，请原谅我;）

我正在编写一个脚本，用于从几个分子动力学模拟中提取特定数据。因此，我从一些文件中读取数据并将其修改并截断为统一长度并将所有内容逐行添加，以形成每个模拟运行的2D数组。

这些数组相互附加，因此我最终得到一个3D数组，其中沿z轴的每个切片将代表特定模拟运行的数据集。目标是稍后进行简单的操作，例如平均所有模拟运行。

这只是为了让您了解所做的事情的基本概念：

import numpy as np

A = np.zeros((2000), dtype = bool)
A = A.reshape((1, 2000))

# Appending different rows to form a '2D-Matrix', 
# this is the actual data per simulation run
for i in xrange(1,103):
    B = np.zeros((2000), dtype = bool)
    B = B.reshape((1, 2000))
    A = np.concatenate((A, B), axis=0)

print A.shape
# >>> (2000, 103)

C = np.expand_dims(A, axis=2)
A = np.expand_dims(A, axis=2)

print A.shape
# >>> (2000, 103, 1)

# Appending different '2D-Matrices' to form a 3D array, 
# each slice along the z-Axis representing one simulation run
for i in xrange(1,50):
    A = np.concatenate((A, C), axis=2) 

print A.shape
# >>> (2000, 103, 50)

到目前为止一直很好，现在对实际问题：

在一个2D数组中，每一行代表一组不同的相互作用原子对。我后来想要创建数组的子集，具体取决于不同的标准 - 例如'给我看所有对，其中距离x是10＆lt; x <= 20'。

因此，当我第一次在for i in xrange(1,103): ...中添加行时，我希望为每行包含一组 int 的行的索引。无论如何，原子对的数据都存在，目前我还没有将它包含在ndarray中。

我在想一个元组，所以我的2D数组看起来像

[ [('int' a,'int' b), [False,True,False,...]],
  [('int' a,'int' d), [True, False, True...]],
 ...
]

或类似的东西

[ [['int' a], ['int' b], [False,True,False,...]],
  [['int' a], ['int' d], [True, False, True...]],
 ...
]

您能想到这种过滤的另一种或更简单的方法吗？我不太确定我是否在这里正确的轨道，并且在这样的数组中使用不同的数据类型似乎并不是非常简单。

另请注意，所有索引在每个2D数组中都以相同的方式排序，因为我对它们进行排序（ atm 基于String）并为那些添加np.zeros()行仅在其他模拟运行中发生。也许Lookup-table是正确的做法？

非常感谢！

Answer 1

更新/答案：

对不起，我知道这个问题有点过于具体和臃肿了与问题无关的代码。

我自己回答了这个问题，为了便于记录，您可以在下面找到它。它具体，但可能有助于某人在numpy中处理他的索引。

简短，一般回答：

我基本上只是创建了一个查找表作为python列表，并使用掩码进行了一个非常简单的numpy切片操作，包含索引：

A = [[[1, 2],
      [3, 4],
      [5, 6]],

     [[7, 8],
      [9,10],
      [11,12]]]
A = np.asarray(A)

# selects only rows 1 and 2 from each 2D array
mask = [1,2]
B = A[ : , mask, : ]

给出了B：

[[[ 3  4]
  [ 5  6]]

 [[ 9 10]
  [11 12]]]

完整答案，具体针对上述问题：

这是我的2D数组：

A =[[True, False, False, False, False],
    [False, True, False, False, False],
    [False, False, True, False, False]]
A = np.asarray(A)

将行索引为元组，这是由于我的具体问题 e.g：

lut = [(1,2),(3,4),(3,5)]

追加其他2D数组以形成3D数组：

C = np.expand_dims(A, axis=0)
A = np.expand_dims(A, axis=0)

A = np.concatenate((A, C), axis=0)

这是3D数组A：

 >[[[ True False False False False]
    [False  True False False False]
    [False False  True False False]]

   [[ True False False False False]
    [False  True False False False]
    [False False  True False False]]]

在查找表

中选择包含“3”的行

mask = [i for i, v in enumerate(lut) if 3 in v] 

> [1, 2]

将蒙版应用于3D阵列：

B = A[ : , mask, : ]

现在B是选择后的3D数组A：

[[[False  True False False False]
   [False False  True False False]]

  [[False  True False False False]
   [False False  True False False]]]

跟踪B的新索引：创建一个新的查找表以进行进一步计算：

newLut = [v for i, v in enumerate(lut) if i in mask] 

>[(3, 4), (3, 5)]

Numpy：ndarray中行的元组索引（用于以后选择的子集）

1 个答案:

更新/答案：