Question

我想知道执行以下操作的最简单方法是：

假设我们有以下2d数组：

voxel.position.set( x, y, z );

但是，我想保留之前关于第一个或多个行的结构 - 即：

>>> a = np.array([['z', 'z', 'z', 'f', 'z','f', 'f'], ['z', 'z', 'z', 'f', 'z','f', 'f']])

array([['z', 'z', 'z', 'f', 'z', 'f', 'f'],
   ['z', 'z', 'z', 'f', 'z', 'f', 'f']],
  dtype='<U1')



>>> b = np.array(range(0,14)).reshape(2, -1)


array([[ 0,  1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12, 13]])


>>> idxs = list(zip(*np.where(a == 'f')))

[(0, 3), (0, 5), (0, 6), (1, 3), (1, 5), (1, 6)]


>>> [b[x] for x in idxs]

[3, 5, 6, 10, 12, 13]

有没有办法轻松保持这种结构？

Answer 1

使用for循环：

[b[i][a[i] == 'f'] for i in range(len(a))]
# [array([3, 5, 6]), array([10, 12, 13])]

Answer 2

这是一个更复杂但纯粹的NumPy解决方案：

获取指数（展平版a），其中'f'。
获取新行开始的索引
从1中找到属于一行的索引
在这些索引处拆分数组。

代码如下所示：

>>> indices = np.flatnonzero(a.ravel() == 'f')
>>> rows = np.arange(1, a.shape[0])*a.shape[1]
>>> np.split(b.ravel()[indices], np.searchsorted(indices, rows))
[array([3, 5, 6], dtype=int64), array([10, 12, 13], dtype=int64)]

比其他解决方案稍长，我不确定它是否会更快¹。

虽然，就个人而言，我会使用列表理解和zip：

[b_row[a_row] for a_row, b_row in zip(a == 'f', b)]

它更短，根据我的时间表现非常高效。

定时：

import numpy as np
a = np.array([['z', 'z', 'z', 'f', 'z','f', 'f']]*10000)
b = np.arange(a.size).reshape(-1, a.shape[1])

%%timeit

indices = np.flatnonzero(a.ravel() == 'f')
rows = np.arange(1, a.shape[0])*a.shape[1]
np.split(b.ravel()[indices], np.searchsorted(indices, rows))

每循环123 ms±8.25 ms（7次运行的平均值±标准偏差，每次10次循环）

%timeit [b[i][a[i] == 'f'] for i in range(len(a))]

每循环162 ms±14 ms（平均值±标准偏差，7次运行，每次循环1次）

但与my suggestion at Psidoms answer相比要慢得多：

%timeit [b_row[a_row] for a_row, b_row in zip(a == 'f', b)]

每循环44.9 ms±1.93 ms（平均值±标准偏差，7次运行，每次循环10次）

Answer 3

a = np.array([['z', 'z', 'z', 'f', 'z','f', 'f'], ['z', 'z', 'z', 'f', 'z','f', 'f']])

b = np.array(range(0,14)).reshape(2, -1)

idxs = list(zip(*np.where(a == 'f')))


c=[[],[]]
for x in idxs:
    c[x[0]].append(b[x])

print c

Answer 4

In [89]: idx = np.where(a == 'f')
In [90]: idx
Out[90]: 
(array([0, 0, 0, 1, 1, 1], dtype=int32),
 array([3, 5, 6, 3, 5, 6], dtype=int32))

我们可以应用where元组来选择b中的项目：

In [93]: b[idx]
Out[93]: array([ 3,  5,  6, 10, 12, 13])

等效地应用布尔掩码：

In [94]: b[a == 'f']
Out[94]: array([ 3,  5,  6, 10, 12, 13])

np.argwhere采用where的转置，生成与idxs类似的二维数组。

In [95]: np.argwhere(a == 'f')
Out[95]: 
array([[0, 3],
       [0, 5],
       [0, 6],
       [1, 3],
       [1, 5],
       [1, 6]], dtype=int32)

如Delete all elements in an array corresponding to Boolean mask所述，我们通常无法选择带掩码的元素，并保留某种二维结构。在特定情况下，我们可以将1d结果重塑为有意义的结果。

In [96]: b[idx].reshape(2,-1)
Out[96]: 
array([[ 3,  5,  6],
       [10, 12, 13]])

逐行收集这些值并在每行中允许不同大小结果的简单方法是迭代：

In [100]: [j[i=='f'] for i,j in zip(a,b)]
Out[100]: [array([3, 5, 6]), array([10, 12, 13])]
In [101]: [j[i=='f'].tolist() for i,j in zip(a,b)]
Out[101]: [[3, 5, 6], [10, 12, 13]]

子集化2d numpy数组并保持行一致

4 个答案: