NumPy通过使用索引列表为每行选择特定的列索引

我正在努力选择NumPy矩阵每行的特定列。

假设我有以下矩阵，我将其称为X：

[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

我list每行还有一个列索引，我将其称为Y：

[1, 0, 2]

我需要获取值：

[2]
[4]
[9]

除了使用listwith索引之外Y，我还可以生成形状与X每个列都是0-1值范围内的bool/的形状相同的矩阵int，指示这是否是必需的列。

[0, 1, 0]
[1, 0, 0]
[0, 0, 1]

我知道这可以通过遍历数组并选择所需的列值来完成。但是，这将在大数据数组上频繁执行，这就是为什么它必须尽可能快地运行。

因此，我想知道是否有更好的解决方案？

谢谢。

如果您有一个布尔数组，则可以像这样直接选择：

>>> a = np.array([True, True, True, False, False])
>>> b = np.array([1,2,3,4,5])
>>> b[a]
array([1, 2, 3])

与最初的示例一起使用，您可以执行以下操作：

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> b = np.array([[False,True,False],[True,False,False],[False,False,True]])
>>> a[b]
array([2, 4, 9])

您还可以添加一个arange并对其进行直接选择，尽管这取决于生成布尔数组的方式以及代码看起来像YMMV的形式。

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> a[np.arange(len(a)), [1,0,2]]
array([2, 4, 9])

希望能有所帮助，如果您还有其他问题，请告诉我。

您可以执行以下操作：

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

In [8]: lst = [1, 0, 2]

In [9]: a[np.arange(len(a)), lst]
Out[9]: array([2, 4, 9])

有关为多维数组建立索引的更多信息：http : //docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-多维数组

一种简单的方法可能类似于：

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

In [2]: y = [1, 0, 2]  #list of indices we want to select from matrix 'a'

range(a.shape[0]) 将返回 array([0, 1, 2])

In [3]: a[range(a.shape[0]), y] #we're selecting y indices from every row
Out[3]: array([2, 4, 9])

最新numpy版本添加了take_along_axis（和put_along_axis），可以清楚地进行此索引编制。

In [101]: a = np.arange(1,10).reshape(3,3)                                                             
In [102]: b = np.array([1,0,2])                                                                        
In [103]: np.take_along_axis(a, b[:,None], axis=1)                                                     
Out[103]: 
array([[2],
       [4],
       [9]])

它的运行方式与：

In [104]: a[np.arange(3), b]                                                                           
Out[104]: array([2, 4, 9])

但具有不同的轴处理方式。这是特别针对应用的结果argsort和argmax。

您可以使用迭代器来实现。像这样：

np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)

时间：

N = 1000
X = np.zeros(shape=(N, N))
Y = np.arange(N)

#@Aशwini चhaudhary
%timeit X[np.arange(len(X)), Y]
10000 loops, best of 3: 30.7 us per loop

#mine
%timeit np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)
1000 loops, best of 3: 1.15 ms per loop

#mine
%timeit np.diag(X.T[Y])
10 loops, best of 3: 20.8 ms per loop

另一个聪明的方法是先转置数组，然后再对其进行索引。最后，选择对角线，它总是正确的答案。

X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
Y = np.array([1, 0, 2, 2])

np.diag(X.T[Y])

一步步：

原始数组：

>>> X
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])

>>> Y
array([1, 0, 2, 2])

转置以使其能够正确索引。

>>> X.T
array([[ 1,  4,  7, 10],
       [ 2,  5,  8, 11],
       [ 3,  6,  9, 12]])

按Y顺序获取行。

>>> X.T[Y]
array([[ 2,  5,  8, 11],
       [ 1,  4,  7, 10],
       [ 3,  6,  9, 12],
       [ 3,  6,  9, 12]])

对角线现在应该变得清晰了。

>>> np.diag(X.T[Y])
array([ 2,  4,  9, 12]