访问数组的多个元素

Question

有没有办法在一次操作中获取这些元素的已知行和列的数组元素？在每一行中，我想访问从 col_start 到 col_end 的元素（每行都有不同的起始和结束索引）。每行的元素数量相同，元素是连续的。示例：

[ . . . . | | | . . . . . ]
[ | | | . . . . . . . . . ]
[ . . | | | . . . . . . . ]
[ . . . . . . . . | | | . ]

一种解决方案是获取元素的索引（行-列对），然后使用 my_array[row_list,col_list]。

有没有不使用for循环的其他（更简单）方法？

Answer 1

我想您正在寻找类似下面的内容。不过，我不确定您访问它们时想对它们做什么。

indexes = [(4,6), (0,2), (2,4), (8, 10)]
arr = [
    [ . . . . | | | . . . . . ],
    [ | | | . . . . . . . . . ],
    [ . . | | | . . . . . . . ],
    [ . . . . . . . . | | | . ]
]

for x in zip(indexes, arr):
    index = x[0]
    row = x[1]
    print row[index[0]:index[1]+1]

Answer 2

A = np.arange(40).reshape(4,10)*.1
startend = [[2,5],[3,6],[4,7],[5,8]]
index_list = [np.arange(v[0],v[1]) + i*A.shape[1] 
                 for i,v in enumerate(startend)]
# [array([2, 3, 4]), array([13, 14, 15]), array([24, 25, 26]), array([35, 36, 37])]
A.flat[index_list]

生产

array([[ 0.2,  0.3,  0.4],
       [ 1.3,  1.4,  1.5],
       [ 2.4,  2.5,  2.6],
       [ 3.5,  3.6,  3.7]])

这仍然有一个迭代，但它是列表上的一个相当基本的迭代。我正在索引 A 的扁平化 1d 版本。 np.take(A, index_list) 也有效。

如果行间隔的大小不同，我可以使用 np.r_ 来连接它们。这不是绝对必要的，但在从多个区间和值构建索引时它很方便。

A.flat[np.r_[tuple(index_list)]]
# array([ 0.2,  0.3,  0.4,  1.3,  1.4,  1.5,  2.4,  2.5,  2.6,  3.5,  3.6, 3.7])

ajcr使用的idx可以不用choose:

idx = [np.arange(v[0], v[1]) for i,v in enumerate(startend)]
A[np.arange(A.shape[0])[:,None], idx]

idx 就像我的 index_list 只是它不添加行长度。

np.array(idx)

array([[2, 3, 4],
       [3, 4, 5],
       [4, 5, 6],
       [5, 6, 7]])

由于每个arange的长度相同，所以可以不用迭代生成idx：

col_start = np.array([2,3,4,5])
idx = col_start[:,None] + np.arange(3)

第一个索引是一个列数组，广播以匹配此idx。

np.arange(A.shape[0])[:,None] 
array([[0],
       [1],
       [2],
       [3]])

有了这个 A 和 idx 我得到以下时间：

In [515]: timeit np.choose(idx,A.T[:,:,None])
10000 loops, best of 3: 30.8 µs per loop

In [516]: timeit A[np.arange(A.shape[0])[:,None],idx]
100000 loops, best of 3: 10.8 µs per loop

In [517]: timeit A.flat[idx+np.arange(A.shape[0])[:,None]*A.shape[1]]
10000 loops, best of 3: 24.9 µs per loop

flat索引速度更快，但计算更高级的索引需要一些时间。

对于大型数组，flat 索引的速度占主导地位。

A=np.arange(4000).reshape(40,100)*.1
col_start=np.arange(20,60)
idx=col_start[:,None]+np.arange(30)

In [536]: timeit A[np.arange(A.shape[0])[:,None],idx]
10000 loops, best of 3: 108 µs per loop

In [537]: timeit A.flat[idx+np.arange(A.shape[0])[:,None]*A.shape[1]]
10000 loops, best of 3: 59.4 µs per loop

np.choose 方法遇到硬编码限制：Need between 2 and (32) array objects (inclusive).

什么越界idx?

col_start=np.array([2,4,6,8])
idx=col_start[:,None]+np.arange(3)
A[np.arange(A.shape[0])[:,None], idx]

产生错误，因为最后一个 idx 值是 10，太大。

你可以clipidx

idx=idx.clip(0,A.shape[1]-1)

在最后一行产生重复值

[ 3.8,  3.9,  3.9]

您也可以在索引前填充 A。有关更多选项，请参阅 np.pad。

np.pad(A,((0,0),(0,2)),'edge')[np.arange(A.shape[0])[:,None], idx]

另一种选择是删除越界值。 idx 将变成参差不齐的列表列表（或列表数组）。 flat 方法可以解决这个问题，但结果不会是矩阵。

startend = [[2,5],[4,7],[6,9],[8,10]]
index_list = [np.arange(v[0],v[1]) + i*A.shape[1] 
                 for i,v in enumerate(startend)]
# [array([2, 3, 4]), array([14, 15, 16]), array([26, 27, 28]), array([38, 39])]

A.flat[np.r_[tuple(index_list)]]
# array([ 0.2,  0.3,  0.4,  1.4,  1.5,  1.6,  2.6,  2.7,  2.8,  3.8,  3.9])

Answer 3

您可以使用 np.choose.

这是一个 NumPy 数组示例 arr:

array([[ 0,  1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12, 13],
       [14, 15, 16, 17, 18, 19, 20]])

假设我们要从第一行选择值 [1, 2, 3]，从第二行选择值 [11, 12, 13]，从第三行选择值 [17, 18, 19]。

换句话说，我们将从 arr 的每一行中挑选出索引，如数组 idx:

所示

array([[1, 2, 3],
       [4, 5, 6],
       [3, 4, 5]])

然后使用 np.choose:

>>> np.choose(idx, arr.T[:,:,np.newaxis])
array([[ 1,  2,  3],
       [11, 12, 13],
       [17, 18, 19]])

解释刚刚发生的事情：arr.T[:,:,np.newaxis] 意味着 arr 暂时被视为具有形状 (7, 3, 1) 的 3D 数组。您可以将其想象成 3D 数组，其中原始 arr 的每一列现在都是具有三个值的二维列向量。 3D 数组看起来有点像这样：

#  0       1       2       3       4       5       6
[[ 0]   [[ 1]   [[ 2]   [[ 3]   [[ 4]   [[ 5]   [[ 6]   # choose values from 1, 2, 3
 [ 7]    [ 8]    [ 9]    [10]    [11]    [12]    [13]   # choose values from 4, 5, 6
 [14]]   [15]]   [16]]   [17]]   [18]]   [19]]   [20]]  # choose values from 3, 4, 5

要获取输出数组的第 zeroth 行，choose 从索引处的二维列中选择 zeroth 元素1，索引 2 处二维列中的 zeroth 元素，索引 2 处二维列中的 zeroth 元素指数 3。

要获取输出数组的 first 行，choose 从索引处的二维列中选择 first 元素4，索引 5 处二维列的 第一个 元素，...等等。

访问数组的多个元素

Access multiple elements of an array

python

arrays

numpy