从 NumPy 数组中选择特定的行和列

我一直在想我到底做错了什么。

我正在使用 NumPy，并且有我想从中选择的特定行索引和特定列索引。我的问题是这样的:

import numpy as np


a = np.arange(20).reshape((5,4))
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [ 8,  9, 10, 11],
#        [12, 13, 14, 15],
#        [16, 17, 18, 19]])


# If I select certain rows, it works
print a[[0, 1, 3], :]
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [12, 13, 14, 15]])


# If I select certain rows and a single column, it works
print a[[0, 1, 3], 2]
# array([ 2,  6, 14])


# But if I select certain rows AND certain columns, it fails
print a[[0,1,3], [0,2]]
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# ValueError: shape mismatch: objects cannot be broadcast to a single shape

为什么会这样？当然，我应该能够选择第一，第二和第四行，第一和第三列？我期待的结果是:

a[[0,1,3], [0,2]] => [[0,  2],
[4,  6],
[12, 14]]
247187 次浏览
小开
最佳答案

奇特的索引要求您为每个维度提供所有索引。您为第一个索引提供了3个索引，而为第二个索引只提供了2个索引，因此出现了错误。你想这样做:

>>> a[[[0, 0], [1, 1], [3, 3]], [[0,2], [0,2], [0, 2]]]
array([[ 0,  2],
[ 4,  6],
[12, 14]])

这当然是一个痛苦的写作，所以你可以让广播帮助你:

>>> a[[[0], [1], [3]], [0, 2]]
array([[ 0,  2],
[ 4,  6],
[12, 14]])

如果使用数组而不是列表进行索引，那么这样做要简单得多:

>>> row_idx = np.array([0, 1, 3])
>>> col_idx = np.array([0, 2])
>>> a[row_idx[:, None], col_idx]
array([[ 0,  2],
[ 4,  6],
[12, 14]])
小开

使用方法:

 >>> a[[0,1,3]][:,[0,2]]
array([[ 0,  2],
[ 4,  6],
[12, 14]])

或者:

>>> a[[0,1,3],::2]
array([[ 0,  2],
[ 4,  6],
[12, 14]])
小开

正如 Toan 所建议的，一个简单的方法就是首先选择行，然后在 那个上选择列。

>>> a[[0,1,3], :]            # Returns the rows you want
array([[ 0,  1,  2,  3],
[ 4,  5,  6,  7],
[12, 13, 14, 15]])
>>> a[[0,1,3], :][:, [0,2]]  # Selects the columns you want as well
array([[ 0,  2],
[ 4,  6],
[12, 14]])

[编辑]内置方法: np.ix_

我最近发现 numpy 为您提供了一个内置的一行程序来执行@Jaime 建议的 没错操作，但是不必使用广播语法(这种语法缺乏可读性)。来自文件:

使用 ix _ one 可以快速构造索引数组，这些数组将索引 返回数组 [[a[1,2] a[1,5]], [a[3,2] a[3,5]]]。

所以你可以这样使用它:

>>> a = np.arange(20).reshape((5,4))
>>> a[np.ix_([0,1,3], [0,2])]
array([[ 0,  2],
[ 4,  6],
[12, 14]])

它的工作原理是按照 Jaime 的建议对齐数组，这样广播就能正常进行:

>>> np.ix_([0,1,3], [0,2])
(array([[0],
[1],
[3]]), array([[0, 2]]))

另外，正如 MikeC 在评论中所说，np.ix_具有返回视图的优势，而我的第一个(预编辑)答案没有。这意味着现在可以将 分配转换为索引数组:

>>> a[np.ix_([0,1,3], [0,2])] = -1
>>> a
array([[-1,  1, -1,  3],
[-1,  5, -1,  7],
[ 8,  9, 10, 11],
[-1, 13, -1, 15],
[16, 17, 18, 19]])
小开

使用 np.ix_是最方便的方法(正如其他人所回答的那样) ，但是它也可以按照以下方式进行:

>>> rows = [0, 1, 3]
>>> cols = [0, 2]


>>> (a[rows].T)[cols].T


array([[ 0,  2],
[ 4,  6],
[12, 14]])

提交答案