Question

在Matlab中，可以使用:：

访问数组的列

>> array=[1 2 3; 4 5 6]

array =

     1     2     3
     4     5     6


>> array(:,2)

ans =

     2
     5

如何在Python中执行此操作？

>>> array=[[1,2,3],[4,5,6]]
>>> array[:,2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: list indices must be integers, not tuple
>>> array[:][2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>

附录

我想要一个应用于大于3的维度数组的示例：

>> B = cat(3, eye(3), ones(3), magic(3))

B(:,:,1) =

     1     0     0
     0     1     0
     0     0     1


B(:,:,2) =

     1     1     1
     1     1     1
     1     1     1


B(:,:,3) =

     8     1     6
     3     5     7
     4     9     2

>> B(:,:,1)                             

ans =

     1     0     0
     0     1     0
     0     0     1

>> B(:,2,:)

ans(:,:,1) =

     0
     1
     0


ans(:,:,2) =

     1
     1
     1


ans(:,:,3) =

     1
     5
     9

Answer 1

使用Numpy。

>>> import numpy as np
>>> 
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a[:, 2]
array([3, 6])

如果你来自Matlab，这应该是有意义的：http://www.scipy.org/NumPy_for_Matlab_Users

Answer 2

您可以使用内置的zip()功能按列对二维列表中的数据进行分组：

>>> array=[[1,2,3],[4,5,6]]
>>> zip(*array)
[(1, 4), (2, 5), (3, 6)]
>>> zip(*array)[1]
(2, 5)

请注意，索引从0开始，因此要获得示例中的第二列，请使用zip(*array)[1]而不是zip(*array)[2]。 zip()会返回元组而不是列表，具体取决于您使用它的方式，这可能不是问题，但如果您需要列表，则可以始终map(list, zip(*array))或list(zip(*array)[1])进行转换。

Answer 3

如果您使用Matlab，您可能需要安装NumPy：使用NumPy，您可以这样做：

In [172]: import numpy as np

In [173]: arr = np.matrix('1 2 3; 4 5 6')

In [174]: arr
Out[174]: 
matrix([[1, 2, 3],
        [4, 5, 6]])

In [175]: arr[:,2]
Out[175]: 
matrix([[3],
        [6]])

由于Python使用基于0的索引（而Matlab使用基于1的索引），要获得您发布的相同切片，您可以这样做：

In [176]: arr[:,1]
Out[176]: 
matrix([[2],
        [5]])

很容易构建更高维度的numpy数组。例如，您可以使用np.dstack：

In [199]: B = np.dstack( (np.eye(3), np.ones((3,3)), np.arange(9).reshape(3,3)) )

In [200]: B.shape
Out[200]: (3, 3, 3)

In [201]: B[:,:,0]
Out[201]: 
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

In [202]: B[:,:,1]
Out[202]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

In [203]: B[:,:,2]
Out[203]: 
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  5.],
       [ 6.,  7.,  8.]])

这是从上面3个数组中的每一个的第二列形成的数组：

In [204]: B[:,1,:]
Out[204]: 
array([[ 0.,  1.,  1.],
       [ 1.,  1.,  4.],
       [ 0.,  1.,  7.]])

然而，

Numpy没有创建魔术方块的功能。嗅探

Answer 4

使用冒号使用Python进行索引/切片会导致与matlab略有不同。如果您有阵列，[:]将复制它。如果您希望嵌套数组的特定索引处的所有值，您可能需要这样的内容：

array = [[1,2,3],[4,5,6]]
col1 = [inner[0] for inner in array] # note column1 is index 0 in Python.

Answer 5

如果使用嵌套列表，则可以使用列表推导：

array = [ [1, 2, 3], [4, 5, 6] ]
col2 = [ row[1] for row in array ]

请记住，由于Python本身并不了解矩阵，col2是一个列表，因此“行”和“列”都是相同的类型，即列表。使用numpy包可以更好地支持矩阵数学。

Answer 6

def get_column(array, col):
  result = []
  for row in array:
    result.appen(row[col])
  return result

像这样使用（记住索引从0开始）：

>>> a = [[1,2,3], [2,3,4]]
>>> get_column(a, 1)
[2, 3]

Answer 7

使用列表推导来构建该列的值列表：

def nthcolumn(n, matrix):
    return [row[n] for row in matrix]

如果您需要（可能是轻微的）性能提升，可以选择使用itemgetter：

from operator import itemgetter

def nthcolumn(n, matrix):
    nthvalue = itemgetter(n)
    return [nthvalue(row) for row in matrix]

在Python中访问数组列的最佳方法是什么？

附录

7 个答案: