NumPy, вибираючи певний індекс стовпця на рядок, використовуючи список індексів

Я намагаюся вибрати конкретні стовпці для рядка NumPyматриці.

Припустимо, у мене є така матриця, яку я б назвав X:

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

У мене також є listіндекс стовпців для кожного рядка, який я б назвав Y:

[1, 0, 2]

Мені потрібно отримати значення:

[2]
[4]
[9]

Замість a listз індексами Yя також можу створити матрицю з тією ж формою, Xде кожен стовпець має значення a bool/ intу діапазоні 0-1, вказуючи, чи є це необхідним стовпцем.

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

Я знаю, що це можна зробити за допомогою ітерації масиву та вибору потрібних значень стовпців. Однак це буде виконуватися часто на великих масивах даних, і тому воно повинно працювати якомога швидше.

Отже, мені було цікаво, чи є краще рішення?

Дякую.

Якщо у вас є логічний масив, ви можете зробити прямий вибір на основі цього приблизно так:

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

Щоб продовжити свій початковий приклад, ви можете зробити наступне:

>>> 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])

Ви також можете додати arangeі зробити прямий вибір цього, хоча залежно від того, як ви створюєте свій логічний масив і як ваш код виглядає як YMMV.

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

Сподіваюся, це допоможе, повідомте мене, якщо у вас є ще запитання.

Ви можете зробити щось подібне:

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])

Докладніше про індексування багатовимірних масивів: http://docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-multi-dimensional-arrays

Простий спосіб може виглядати так:

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]) повернеться 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])

Останні numpyверсії додали take_along_axis(та put_along_axis), який робить це індексування чисто.

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]])

Він працює так само, як:

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

але з різною обробкою осей. Він особливо спрямований на застосування результатів argsortта argmax.

Ви можете зробити це за допомогою ітератора. Подобається це:

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

Час:

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

Інший розумний спосіб - спочатку транспонувати масив і потім індексувати його. Нарешті, візьміть діагональ, це завжди правильна відповідь.

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])

Крок за кроком:

Оригінальні масиви:

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

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

Транспонуйте, щоб можна було правильно його проіндексувати.

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

Отримати рядки в порядку Y.

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

Тепер діагональ повинна стати чіткою.

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