通过索引检索二维数组元素的 Pythonic 方法

Question

假设我有这个数据数组

data = np.asarray([[1, 2, 3, 4], ['a', 'b', 'c', 'd'], ['A', 'B', 'C', 'D'], ['x', 'y', 'z', 'zz']])

以及这些索引，每一“对”对应于数据矩阵中的一个单元格

indices = np.asarray([[0, 0], [3, 0], [2, 2], [3, 2]])

现在我想从指定的单元格中检索数据。我可以通过以下方式做到这一点：

searched_data = []
for x, y in coords:
    searched_data.append(data[y][x])

是否有更 pythonic 或更 numpy-ish 的变体，我可以通过花式数组索引或其他方式在一行中完成此操作？

我试过了（受启发）：

x_indexed1 = data[indices[:, 1]][:,[indices[:, 0]]]

但这给了我

[[['1' '4' '3' '4']]

 [['1' '4' '3' '4']]

 [['A' 'D' 'C' 'D']]

 [['A' 'D' 'C' 'D']]]

还有这个

x_indexed = data[np.ix_(indices[:, 1],indices[:, 0])]

这给出了

[['1' '4' '3' '4']
 ['1' '4' '3' '4']
 ['A' 'D' 'C' 'D']
 ['A' 'D' 'C' 'D']]

Answer 1

你很接近，但是当你想用这样对齐的索引索引到 numpy.ndarray 时，不要使用 [][]。使用元组做多维索引：

>>> data[indices[:, 1], indices[:,0]]
array(['1', '4', 'C', 'D'], dtype='<U21')

为了更清楚：

>>> ys = indices[:, 1]
>>> xs = indices[:, 0]
>>> data[ys, xs]
array(['1', '4', 'C', 'D'], dtype='<U21')

您的第一次尝试是这样的：

>>> data[ys][:,[xs]]
array([[['1', '4', '3', '4']],

       [['1', '4', '3', '4']],

       [['A', 'D', 'C', 'D']],

       [['A', 'D', 'C', 'D']]], dtype='<U21')

因此，将其分解，“部分索引”在您遗漏的维度中假设一个完整切片 :，因此对于您来说 data[ys, :] 选择这些行：

>>> data[ys]
array([['1', '2', '3', '4'],
       ['1', '2', '3', '4'],
       ['A', 'B', 'C', 'D'],
       ['A', 'B', 'C', 'D']], dtype='<U21')

而那是你用 [:, [xs]] 索引的内容，它基本上选择了所有行和那些 xs 的列，你将它们包装在一个列表中，这基本上取消了一个维度的压缩：

>>> data[ys][...,[xs]]
array([[['1', '4', '3', '4']],

       [['1', '4', '3', '4']],

       [['A', 'D', 'C', 'D']],

       [['A', 'D', 'C', 'D']]], dtype='<U21')

通过索引检索二维数组元素的 Pythonic 方法

Pythonic way of retrieving elements of 2D array by indices

python

arrays

numpy

numpy-slicing

numpy-ndarray