花式索引沿多個軸的numpy數組的最佳實踐

Question

我正在嘗試優化算法以減少內存使用量，並且我已經將此特定操作確定為一個痛點。

我有一個對稱矩陣，沿着行的索引數組，以及沿着列的另一個索引數組（這只是我沒有在行索引中選擇的所有值）。 我覺得我應該能夠同時傳入兩個索引，但我發現自己被迫沿着一個軸選擇然后另一個軸，這導致一些內存問題，因為我實際上並不需要副本返回的數組，只是我正在計算的統計數據。 這是我想要做的：

from scipy.spatial.distance import pdist, squareform
from sklearn import datasets
import numpy as np

iris = datasets.load_iris().data

dx = pdist(iris)
mat = squareform(dx)

outliers = [41,62,106,108,109,134,135]
inliers = np.setdiff1d( range(iris.shape[0]), outliers)

# What I want to be able to do:
scores = mat[inliers, outliers].min(axis=0)

以下是我實際做的工作：

# What I'm being forced to do:
s1 = mat[:,outliers]
scores = s1[inliers,:].min(axis=0)

因為我喜歡索引，所以s1是一個新數組而不是視圖。 我只需要這個數組用於一個操作，所以如果我可以消除在這里返回一個副本或至少使新數組變小（即通過尊重第二個花哨的索引選擇，而我正在做第一個而不是兩個獨立的花式索引操作）這將是更可取的。

Answer 1

“廣播”適用於索引。 您可以將內inliers轉換為列矩陣（例如inliers.reshape(-1,1)或inliers[:, np.newaxis] ，因此它具有形狀（m，1））和索引mat與第一列中的內容：

s1 = mat[inliers.reshape(-1,1), outliers]
scores = s1.min(axis=0)

Answer 2

在可讀性方面有更好的方法：

result = mat[np.ix_(inliers, outliers)].min(0)

https://docs.scipy.org/doc/numpy/reference/generated/numpy.ix_.html#numpy.ix_

Answer 3

嘗試：

outliers = np.array(outliers)  # just to be sure they are arrays
result = mat[inliers[:, np.newaxis], outliers[np.newaxis, :]].min(0)