使用另一个二维数组索引 NumPy 二维数组

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])

我在Simplfy row AND column提取 numpy 中阅读时尝试了_ix ，但这并没有得到我想要的结果。

ps 如果你能想到更精确的问题，请更改这个问题的标题。

Answer 1

这样做的numpy方法是使用np.choose或花哨的 indexing/take（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 为您提供所有速度优势。 只需要mT是因为选择实际上更像是两个数组np.choose(select, (m[:,0], m[:1])) ，但是像这样直接使用它。

---

使用花哨的索引：

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（由于某种原因它相当快，但可能不适用于这些小数组）：

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进行此类索引任务（而不是NP.ix_ ）

OP 中没有提到的是结果是按位置（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这两种情况。

三个步骤：

1. 创建条件数组；

2. 通过调用NP.where生成索引数组，传入这个条件数组； 和

3. 将此索引数组应用于源数组

---

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

如果构建这样的值过滤器不适用于您的特定用例，那很好，您只需要以其他方式生成实际的布尔矩阵（ cnd的值）（或直接创建它）。

Answer 3

恕我直言，这是最简单的变体：

m[np.arange(4), select]

Answer 4

由于标题是指用另一个2D数组索引一个2D数组，因此可以在此处找到实际的通用 numpy 解决方案。

简而言之：具有任意大维度 m的形状 (n,m) 索引的二维数组，名为inds ，用于访问另一个名为B的形状 (n,k) 二维数组的元素：

# 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)

另一个不使用np.take并且我觉得更直观的解决方案如下：

B[np.expand_dims(np.arange(B.shape[0]), -1), inds]

这种语法的优点是它既可以用于基于inds （如np.take ）从B读取元素，也可以用于赋值。

Answer 5

使用python怎么样？

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

Answer 6

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