使用Python中的单维数组进行多维数组索引

Question

我有二维数组， X大小(500,10)和单维索引数组Y其大小为500其每个条目是相应X行的正确值列的索引，例如， y(0)是2然后它表示X的第一行的第2列是正确的，类似地， y(3) = 4表示X行3和第4列具有正确的值。

我想使用索引数组Y从X获取所有正确的值，而不使用任何循环，即使用向量化，在这种情况下，输出应为(500,1) 。 但是当我做X[:,y]然后它给出输出(500,500) 。 有人可以帮助我如何使用Y，PLZ正确索引数组X.

谢谢大家的帮助。

Answer 1

另一种选择是多维列表位置索引：

import numpy as np

ncol = 10  # 10 in your case
nrow = 500  # 500 in your case
# just creating some test data:
x = np.arange(ncol*nrow).reshape(nrow,ncol)
y = (ncol * np.random.random_sample((nrow, 1))).astype(int)

print(x)
print(y)
print(x[np.arange(nrow),y.T].T)

这里解释了语法。 您基本上需要每个维度的索引数组。 在第一个维度中，在您的情况下，这只是[0，...，500]，第二个维度是您的y数组。 我们需要转置它（.T），因为它必须具有与第一个和输出数组相同的形状。 第二个换位不是真的需要，但给你你想要的形状。

编辑：

性能问题出现了，我尝试了迄今为止提到的三种方法。 你需要line_profiler来运行以下命令

kernprof -l -v tmp.py

其中tmp.py是：

import numpy as np

@profile
def calc(x,y):
    z = np.arange(nrow)
    a = x[z,y.T].T  # mine, with the suggested speed up
    b = x[:,y].diagonal().T  # Christoph Terasa
    c = np.array([i[j] for i, j in zip(x, y)])  # tobias_k

    return (a,b,c)

ncol = 5  # 10 in your case
nrow = 10  # 500 in your case

x = np.arange(ncol*nrow).reshape(nrow,ncol)
y = (ncol * np.random.random_sample((nrow, 1))).astype(int)

a, b, c = calc(x,y)
print(a==b)
print(b==c)

我的python 2.7.6的输出：

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
    3                                           @profile
    4                                           def calc(x,y):
    5         1            4      4.0      0.1      z = np.arange(nrow)
    6         1           35     35.0      0.8      a = x[z,y.T].T
    7         1         3409   3409.0     76.7      b = x[:,y].diagonal().T
    8       501          995      2.0     22.4      c = np.array([i[j] for i, j in zip(x, y)])
    9                                           
    10         1            1      1.0      0.0      return (a,b,c)

其中％Time或Time是相关列。 我不知道如何描述内存消耗，其他人则必须这样做。 现在看起来我的解决方案对于所请求的尺寸来说是最快的。

Answer 2

虽然从句法角度来看并不是很直观

X[:,Y].diagonal()[0]

将为您提供您正在寻找的价值。 花式索引从每行选择X中的所有值Y ，和diagonal只有那些在其中i == j中的索引选择。 最后用[0]索引只是使2d数组变平。

Answer 3

您需要辅助向量R来索引行

In [50]: X = np.arange(24).reshape((6,4))

In [51]: Y = np.random.randint(0,4,6)

In [52]: R = np.arange(6)

In [53]: Y
Out[53]: array([0, 2, 2, 0, 1, 0])

In [54]: X[R,Y]
Out[54]: array([ 0,  6, 10, 12, 17, 20])

为您的用例

X_y = X[np.arange(500), Y]

---

编辑

我忘了提一下，如果你想要2D结果，你可以使用虚拟索引获得这样的结果

X_y_2D = X[np.arange(500), Y, None]