我使用布尔索引从numpy数组中选择元素作为
x = y[t<tmax]
其中t是一个与y一样多的元素的numpy数组。我的问题是如何对2D numpy数组执行相同操作?我尝试过
x = y[t<tmax][t<tmax]
但这似乎不起作用,因为它似乎先选择了行,然后抱怨第二个选择的维数错误。
IndexError: boolean index did not match indexed array along dimension 0; dimension is 50 but corresponding boolean dimension is 200
#
这里是一个示例
x1D = np.array([1,2,3], np.int32)
x2D = np.array([[1,2,3],[1,2,3],[1,2,3]], np.int32)
print(x1D[x1D<3]) --> [1 2]
print(x2D[x1D<3][x1D<3]) --> error
第二个print语句产生的错误类似于上面显示的错误。我用
print(x2D[x1D<3])
我知道
[[1 2 3]
[1 2 3]]
但我想要
[[1 2]
[1 2]]
答案 0 :(得分:1)
In [28]: x1D = np.array([1,2,3], np.int32)
...: x2D = np.array([[1,2,3],[1,2,3],[1,2,3]], np.int32)
一维蒙版:
In [29]: x1D<3
Out[29]: array([ True, True, False])
应用于一维数组(大小相同):
In [30]: x1D[_]
Out[30]: array([1, 2], dtype=int32)
应用于2d并选择2行:
In [31]: x2D[_29]
Out[31]:
array([[1, 2, 3],
[1, 2, 3]], dtype=int32)
它可以再次用于选择列-但请注意行索引的:
占位符:
In [32]: _[:, _29]
Out[32]:
array([[1, 2],
[1, 2]], dtype=int32)
如果我们从该蒙版生成索引数组,则可以一步完成索引:
In [37]: idx = np.nonzero(x1D<3)
In [38]: idx
Out[38]: (array([0, 1]),)
In [39]: x2D[idx[0][:,None], idx[0]]
Out[39]:
array([[1, 2],
[1, 2]], dtype=int32)
编写此“ 2d”索引的另一种方法:
In [41]: x2D[ [[0],[1]], [[0,1]] ]
Out[41]:
array([[1, 2],
[1, 2]], dtype=int32)
ix_
是用于调整索引尺寸的便捷工具:
In [42]: x2D[np.ix_(idx[0], idx[0])]
Out[42]:
array([[1, 2],
[1, 2]], dtype=int32)
或将布尔掩码传递给ix_
:
In [44]: np.ix_(_29, _29)
Out[44]:
(array([[0],
[1]]), array([[0, 1]]))
In [45]: x2D[np.ix_(_29, _29)]
Out[45]:
array([[1, 2],
[1, 2]], dtype=int32)
撰写In[32]
,以使其接近您的尝试:
In [46]: x2D[x1D<3][:, x1D<3]
Out[46]:
array([[1, 2],
[1, 2]], dtype=int32)