用 2 個索引列表索引一個 2D Numpy 數組

Question

我有一個奇怪的情況。

我有一個 2D Numpy 數組，x：

x = np.random.random_integers(0,5,(20,8))

我有 2 個索引器——一個帶有行索引，一個帶有列索引。 為了索引 X，我必須執行以下操作：

row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,column_indices]

而不僅僅是：

x_new = x[row_indices,column_indices]

（失敗：錯誤，不能用（2，）廣播（20，））

---

我希望能夠使用廣播在一行中進行索引，因為這將使代碼保持干凈和可讀......此外，我對底層的 python 了解不多，但據我所知它，在一行中完成它應該更快（我將使用相當大的數組）。

---

測試用例：

x = np.random.random_integers(0,5,(20,8))

row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,col_indices]

x_doesnt_work = x[row_indices,col_indices]

Answer 1

使用索引或布爾數組/掩碼使用np.ix_進行選擇或分配

1. 使用indexing-arrays

一個選擇

我們可以使用np.ix_來獲取索引數組的元組，這些數組可以相互廣播，以產生更高維的索引組合。 因此，當該元組用於對輸入數組進行索引時，將為我們提供相同的高維數組。 因此，要根據兩個1D引數組進行選擇，它將是 -

x_indexed = x[np.ix_(row_indices,col_indices)]

B. 分配

我們可以使用相同的符號將標量或可廣播數組分配到這些索引位置。 因此，以下適用於作業 -

x[np.ix_(row_indices,col_indices)] = # scalar or broadcastable array

2.帶masks

我們還可以將布爾數組/掩碼與np.ix_一起np.ix_ ，類似於索引數組的使用方式。 這可以再次用於從輸入數組中選擇一個塊，也可以用於分配給它。

一個選擇

因此，使用row_mask和col_mask布爾數組分別作為行和列選擇的掩碼，我們可以使用以下選擇 -

x[np.ix_(row_mask,col_mask)]

B. 分配

以下適用於作業 -

x[np.ix_(row_mask,col_mask)] = # scalar or broadcastable array

---

樣品運行

1. 使用np.ix_和indexing-arrays

輸入數組和索引數組 -

In [221]: x
Out[221]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

In [222]: row_indices
Out[222]: [4, 2, 5, 4, 1]

In [223]: col_indices
Out[223]: [1, 2]

帶有np.ix_的索引數組元組 -

In [224]: np.ix_(row_indices,col_indices) # Broadcasting of indices
Out[224]: 
(array([[4],
        [2],
        [5],
        [4],
        [1]]), array([[1, 2]]))

做出選擇——

In [225]: x[np.ix_(row_indices,col_indices)]
Out[225]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

正如OP所建議的那樣，這實際上與使用row_indices的二維數組版本執行老式廣播相同，該版本的元素/索引發送到axis=0 ，從而在axis=1處創建單例維度，從而允許使用col_indices進行廣播. 因此，我們會有一個像這樣的替代解決方案 -

In [227]: x[np.asarray(row_indices)[:,None],col_indices]
Out[227]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

如前所述，對於分配，我們只是這樣做。

行、列索引數組 -

In [36]: row_indices = [1, 4]

In [37]: col_indices = [1, 3]

使用標量進行分配 -

In [38]: x[np.ix_(row_indices,col_indices)] = -1

In [39]: x
Out[39]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, -1, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -1, 56, -1, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用 2D 塊（可廣播陣列）進行分配 -

In [40]: rand_arr = -np.arange(4).reshape(2,2)

In [41]: x[np.ix_(row_indices,col_indices)] = rand_arr

In [42]: x
Out[42]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88,  0, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -2, 56, -3, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

2. 使用帶有masks np.ix_

輸入數組 -

In [19]: x
Out[19]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

輸入行，列掩碼 -

In [20]: row_mask = np.array([0,1,1,0,0,1,0],dtype=bool)

In [21]: col_mask = np.array([1,0,1,0,1,1,0,0],dtype=bool)

做出選擇——

In [22]: x[np.ix_(row_mask,col_mask)]
Out[22]: 
array([[88, 46, 44, 81],
       [31, 47, 52, 15],
       [74, 95, 81, 97]])

使用標量進行分配 -

In [23]: x[np.ix_(row_mask,col_mask)] = -1

In [24]: x
Out[24]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [-1, 92, -1, 67, -1, -1, 17, 67],
       [-1, 70, -1, 90, -1, -1, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [-1, 46, -1, 27, -1, -1, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用 2D 塊（可廣播陣列）進行分配 -

In [25]: rand_arr = -np.arange(12).reshape(3,4)

In [26]: x[np.ix_(row_mask,col_mask)] = rand_arr

In [27]: x
Out[27]: 
array([[ 17,  39,  88,  14,  73,  58,  17,  78],
       [  0,  92,  -1,  67,  -2,  -3,  17,  67],
       [ -4,  70,  -5,  90,  -6,  -7,  24,  22],
       [ 19,  59,  98,  19,  52,  95,  88,  65],
       [ 85,  76,  56,  72,  43,  79,  53,  37],
       [ -8,  46,  -9,  27, -10, -11,  93,  69],
       [ 49,  46,  12,  83,  15,  63,  20,  79]])

Answer 2

關於什么：

x[row_indices][:,col_indices]

例如，

x = np.random.random_integers(0,5,(5,5))
## array([[4, 3, 2, 5, 0],
##        [0, 3, 1, 4, 2],
##        [4, 2, 0, 0, 3],
##        [4, 5, 5, 5, 0],
##        [1, 1, 5, 0, 2]])

row_indices = [4,2]
col_indices = [1,2]
x[row_indices][:,col_indices]
## array([[1, 5],
##        [2, 0]])

Answer 3

import numpy as np
x = np.random.random_integers(0,5,(4,4))
x
array([[5, 3, 3, 2],
       [4, 3, 0, 0],
       [1, 4, 5, 3],
       [0, 4, 3, 4]])

# This indexes the elements 1,1 and 2,2 and 3,3
indexes = (np.array([1,2,3]),np.array([1,2,3]))
x[indexes]
# returns array([3, 5, 4])

請注意，根據您使用的索引類型，numpy 有非常不同的規則。 所以索引幾個元素應該由np.ndarray tuple （參見 索引手冊）。

所以你只需要將你的list轉換為np.ndarray並且它應該可以按預期工作。

Answer 4

我認為您正在嘗試執行以下（等效）操作之一：

x_does_work = x[row_indices,:][:,col_indices]
x_does_work = x[:,col_indices][row_indices,:]

這實際上將創建一個僅包含選定行的x子集，然后從中選擇列，或者在第二種情況下反之亦然。 第一種情況可以認為是

x_does_work = (x[row_indices,:])[:,col_indices]

Answer 5

如果你用 np.newaxis 編寫它，你的第一次嘗試會奏效

x_new = x[row_indices[:, np.newaxis],column_indices]