web-dev-qa-db-ja.com

NumPy配列から特定の行と列を選択する

私はここで私が間違っているのはどんな愚かなことかを理解しようとして夢中になってきた。

私はNumPyを使用していますが、選択したい特定の行インデックスと特定の列インデックスがあります。ここに私の問題の要点があります：

import numpy as np

a = np.arange(20).reshape((5,4))
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [ 8,  9, 10, 11],
#        [12, 13, 14, 15],
#        [16, 17, 18, 19]])

# If I select certain rows, it works
print a[[0, 1, 3], :]
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [12, 13, 14, 15]])

# If I select certain rows and a single column, it works
print a[[0, 1, 3], 2]
# array([ 2,  6, 14])

# But if I select certain rows AND certain columns, it fails
print a[[0,1,3], [0,2]]
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# ValueError: shape mismatch: objects cannot be broadcast to a single shape

なぜこうなった？確かに、1行目、2行目、4行目、1列目、3列目を選択できるはずです。私が期待している結果は次のとおりです。

a[[0,1,3], [0,2]] => [[0,  2],
                      [4,  6],
                      [12, 14]]
pythonarraysnumpymultidimensional-arraynumpy-slicing
67
Mike C

ファンシーインデックスを作成するには、各ディメンションのすべてのインデックスを指定する必要があります。最初のインデックスには3つのインデックスを提供し、2番目のインデックスには2つのインデックスのみを提供するため、エラーが発生します。あなたはこのようなことをしたい：

>>> a[[[0, 0], [1, 1], [3, 3]], [[0,2], [0,2], [0, 2]]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

それはもちろん書くのが苦痛なので、あなたにブロードキャストを助けてもらうことができます：

>>> a[[[0], [1], [3]], [0, 2]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

リストではなく配列を使用してインデックスを作成する場合、これは非常に簡単です。

>>> row_idx = np.array([0, 1, 3])
>>> col_idx = np.array([0, 2])
>>> a[row_idx[:, None], col_idx]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])
62
Jaime

Toanが示唆するように、単純なハックは、最初に行を選択し、次にthatの列を選択するだけです。

>>> a[[0,1,3], :]            # Returns the rows you want
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [12, 13, 14, 15]])
>>> a[[0,1,3], :][:, [0,2]]  # Selects the columns you want as well
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

[編集]組み込みメソッド： np.ix_

私は最近、numpyがあなたに@Jaimeが示唆したことを行うexactlyに組み込みのワンライナーを提供することを発見しましたが、放送構文を使用する必要はありません読みやすさの欠如から）。ドキュメントから：

Ix_を使用すると、外積にインデックスを付けるインデックス配列をすばやく構築できます。 a[np.ix_([1,3],[2,5])]は、配列[[a[1,2] a[1,5]], [a[3,2] a[3,5]]]を返します。

したがって、次のように使用します。

>>> a = np.arange(20).reshape((5,4))
>>> a[np.ix_([0,1,3], [0,2])]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

そして、それが機能する方法は、Jaimeが提案したように配列を調整し、ブロードキャストが適切に行われるようにすることです。

>>> np.ix_([0,1,3], [0,2])
(array([[0],
        [1],
        [3]]), array([[0, 2]]))

また、MikeCがコメントで述べているように、np.ix_にはビューを返すという利点がありますが、最初の（編集前の）答えはそうではありませんでした。これは、インデックス付き配列にassignができるようになったことを意味します。

>>> a[np.ix_([0,1,3], [0,2])] = -1
>>> a    
array([[-1,  1, -1,  3],
       [-1,  5, -1,  7],
       [ 8,  9, 10, 11],
       [-1, 13, -1, 15],
       [16, 17, 18, 19]])
53
Praveen

つかいます：

 >>> a[[0,1,3]][:,[0,2]]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])

または：

>>> a[[0,1,3],::2]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])
5
Toan Nguyen