不对称切片 python

Question

考虑以下矩阵：

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

假设我想对以下数组进行子集化

array([[0, 4, 2],
       [3, 7, 5]])

可以对行和列进行一些索引，例如

col=[0,1,2] 
row = [[0,1],[1,2],[0,1]]

然后，如果我将结果存储在一个变量数组中，我可以使用以下代码来完成：

array=np.zeros([2,3],dtype='int64')
for i in range(3):
    array[:,i]=X[row[i],col[i]]

有没有办法广播这种操作？我必须将此作为大文件 ~ 5 Gb 的数据清理阶段，我想使用 dask 来并行化它。但在第一次，如果我能避免使用 for 循环，我会感觉很棒。

Answer 1

对于 NumPy's advanced-indexing 的数组，它将是 -

X[row, np.asarray(col)[:,None]].T

样本运行-

In [9]: X
Out[9]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [10]: col=[0,1,2] 
    ...: row = [[0,1],[1,2],[0,1]]

In [11]: X[row, np.asarray(col)[:,None]].T
Out[11]: 
array([[0, 4, 2],
       [3, 7, 5]])

不对称切片 python

Asymmetric slicing python

python

numpy

vectorization

slice

dask