如何从多维数组中提取列?

是不是你正在使用NumPy数组?Python有数组模块，但它不支持多维数组。普通的Python列表也是一维的。

然而，如果你有一个简单的二维列表，像这样:

A = [[1,2,3,4],
[5,6,7,8]]

然后你可以像这样提取一个列:

def column(matrix, i):
return [row[i] for row in matrix]

提取第二列(索引1):

>>> column(A, 1)
[2, 6]

或者简单地说:

>>> [row[1] for row in A]
[2, 6]

如果你喜欢map-reduce风格的python, itemgetter操作符也会有帮助，而不是列表推导式，为了一点变化!

# tested in 2.4
from operator import itemgetter
def column(matrix,i):
f = itemgetter(i)
return map(f,matrix)


M = [range(x,x+5) for x in range(10)]
assert column(M,1) == range(1,11)

>>> import numpy as np
>>> A = np.array([[1,2,3,4],[5,6,7,8]])


>>> A
array([[1, 2, 3, 4],
[5, 6, 7, 8]])


>>> A[:,2] # returns the third columm
array([3, 7])

参见:"numpy。“Arange”和“重塑”来分配内存

示例:(用矩阵(3x4)的形状分配数组)

nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)

如果你有一个数组

a = [[1, 2], [2, 3], [3, 4]]

然后像这样提取第一列:

[row[0] for row in a]

结果是这样的:

[1, 2, 3]

点击这里查看详情！

a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]

它和上面的东西是一样的，只是它更整洁 zip完成这项工作，但需要单个数组作为参数，*a语法将多维数组解压缩为单个数组参数

尽管使用zip(*iterable)来转置一个嵌套列表，但如果嵌套列表的长度不同，也可以使用以下方法:

map(None, *[(1,2,3,), (4,5,), (6,)])

结果:

[(1, 4, 6), (2, 5, None), (3, None, None)]

第一列如下:

map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)

嗯，有点晚了……

如果性能很重要，你的数据是矩形的，你也可以将它存储在一维中，并通过常规切片访问列，例如. ...

A = [[1,2,3,4],[5,6,7,8]]     #< assume this 4x2-matrix
B = reduce( operator.add, A ) #< get it one-dimensional


def column1d( matrix, dimX, colIdx ):
return matrix[colIdx::dimX]


def row1d( matrix, dimX, rowIdx ):
return matrix[rowIdx:rowIdx+dimX]


>>> column1d( B, 4, 1 )
[2, 6]
>>> row1d( B, 4, 1 )
[2, 3, 4, 5]

巧妙的是，这真的很快。然而，负索引在这里不起作用!所以你不能通过索引-1访问最后一列或最后一行。

如果您需要负索引，您可以稍微调整访问函数，例如。

def column1d( matrix, dimX, colIdx ):
return matrix[colIdx % dimX::dimX]


def row1d( matrix, dimX, dimY, rowIdx ):
rowIdx = (rowIdx % dimY) * dimX
return matrix[rowIdx:rowIdx+dimX]

另一种使用矩阵的方法

>>> from numpy import matrix
>>> a = [ [1,2,3],[4,5,6],[7,8,9] ]
>>> matrix(a).transpose()[1].getA()[0]
array([2, 5, 8])
>>> matrix(a).transpose()[0].getA()[0]
array([1, 4, 7])

[matrix[i][column] for i in range(len(matrix))]

所有列从一个矩阵到一个新的列表:

N = len(matrix)
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]

你也可以用这个:

values = np.array([[1,2,3],[4,5,6]])
values[...,0] # first column
#[1,4]

注意:这对于内置数组和未对齐的数组无效(例如np.array([[1,2,3]，[4,5,6,7]]))

我认为你想从一个数组中提取一个列，比如下面的数组

import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

现在如果你想要得到格式中的第三列

D=array[[3],
[7],
[11]]

然后你需要首先把数组变成一个矩阵

B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)

现在你可以做基于元素的计算就像你在excel中做的一样。

假设我们有n X m矩阵(n行和m列)，即5行4列

matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]

要在python中提取列，我们可以像这样使用列表推导式

[ [row[i] for row in matrix] for in range(4) ]

[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16,20] ]

def get_col(arr, col):
return map(lambda x : x[col], arr)


a = [[1,2,3,4], [5,6,7,8], [9,10,11,12],[13,14,15,16]]


print get_col(a, 3)

Python中的map函数是另一种方法。

如果你想抓取多个列，可以使用slice:

 a = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(a[:, [1, 2]])
[[2 3]
[5 6]
[8 9]]

import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2


# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]

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

如果你想要第二列，你可以用

>>> x[:, 1]
array([ 1,  6, 11, 16])

只要使用转置()，就可以像求行一样简单地求列

matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColumns]

array = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]


col1 = [val[1] for val in array]
col2 = [val[2] for val in array]
col3 = [val[3] for val in array]
col4 = [val[4] for val in array]
print(col1)
print(col2)
print(col3)
print(col4)


Output:
[1, 5, 9, 13]
[2, 6, 10, 14]
[3, 7, 11, 15]
[4, 8, 12, 16]

如果你在Python中有一个二维数组(不是numpy)，你可以像这样提取所有的列，

data = [
['a', 1, 2],
['b', 3, 4],
['c', 5, 6]
]


columns = list(zip(*data))


print("column[0] = {}".format(columns[0]))
print("column[1] = {}".format(columns[1]))
print("column[2] = {}".format(columns[2]))

执行这段代码会得到，

>>> print("column[0] = {}".format(columns[0]))
column[0] = ('a', 'b', 'c')


>>> print("column[1] = {}".format(columns[1]))
column[1] = (1, 3, 5)


>>> print("column[2] = {}".format(columns[2]))
column[2] = (2, 4, 6)