Question

我有类似

的东西

m = array([[1, 2],
            [4, 5],
            [7, 8],
            [6, 2]])

和

select = array([0,1,0,0])

我的目标是

result = array([1, 5, 7, 6])

当我在_ix阅读时，我尝试了Simplfy row AND column extraction, numpy，但这并没有达到我想要的效果。

P.S。如果您能想到更精确的问题，请更改此问题的标题。

Answer 1

numpy 方法是使用np.choose或花式索引/获取（见下文）：

m = array([[1, 2],
           [4, 5],
           [7, 8],
           [6, 2]])
select = array([0,1,0,0])

result = np.choose(select, m.T)

所以不需要python循环或任何东西，numpy给你的所有速度优势。只需要m.T因为选择实际上更像是两个数组np.choose(select, (m[:,0], m[:1]))之间的选择，但它可以直接使用它。

使用花式索引：

result = m[np.arange(len(select)), select]

如果速度非常重要np.take，它适用于一维视图（由于某种原因，速度相当快，但可能不适用于这些微小数组）：

result = m.take(select+np.arange(0, len(select) * m.shape[1], m.shape[1]))

Answer 2

我更喜欢使用 NP.where 来索引此类任务（而不是 NP.ix _ ）

OP中未提及的是结果是按位置（源数组中的行/列）还是按某些条件（例如，m> = 5）选择的。无论如何，下面的代码片段涵盖了两种情况。

三个步骤：

创建 条件数组 ;
通过调用 NP.where 生成 索引数组 ，传入此内容条件数组;以及
对源数组

应用

>>> import numpy as NP

>>> cnd = (m==1) | (m==5) | (m==7) | (m==6)
>>> cnd
  matrix([[ True, False],
          [False,  True],
          [ True, False],
          [ True, False]], dtype=bool)

>>> # generate the index array/matrix 
>>> # by calling NP.where, passing in the condition (cnd)
>>> ndx = NP.where(cnd)
>>> ndx
  (matrix([[0, 1, 2, 3]]), matrix([[0, 1, 0, 0]]))

>>> # now apply it against the source array   
>>> m[ndx]
  matrix([[1, 5, 7, 6]])

传递给NP.where， cnd 的参数是一个布尔数组，在这种情况下，是由复合条件表达式组成的单个表达式的结果（上面的第一行）

如果构造这样的值过滤器不适用于您的特定用例，那很好，您只需要生成实际的布尔矩阵（ cnd 的值））其他一些方式（或直接创建）。

Answer 3

使用python怎么样？

result = array([subarray[index] for subarray, index in zip(m, select)])

Answer 4

由于标题是指将 2D 数组与另一个 2D 数组建立索引，因此可以找到一个通用的numpy解决方案here。

简而言之：形状（n，m）具有任意大尺寸m 的二维数组，名为 inds ，用于访问另一个形状的二维数组的元素（n，k）），名为 B ：

# array of index offsets to be added to each row of inds
offset = np.arange(0, inds.size, inds.shape[1])

# numpy.take(B, C) "flattens" arrays B and C and selects elements from B based on indices in C
Result = np.take(B, offset[:,np.newaxis]+inds)

Answer 5

result = array([m[j][0] if i==0 else m[j][1] for i,j in zip(select, range(0, len(m)))])

Answer 6

恕我直言，这是最简单的变种：

m[np.arange(4), select]

使用另一个2D阵列索引NumPy 2D阵列

6 个答案: