numpy选择特定的行列

有时需要抽取矩阵中特定行的特定列。

比如，需要抽取矩阵x的0,1行的0,3列，结果为矩阵域

x = np.array([[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11],[12, 13, 14, 15]])y = np.array([[ 0,  3],[ 4,  7]])

错误做法:第一反应这样写x[[0,1],[0,3]],然而得到的结果为

y
Out[22]: array([0, 7])

其实这种写法是抽去了[0,0],[1,3]两个位置的数。numpy的所有维度的坐标个数应该相等，且互相是配对的。

Numpy数组的整数数组索引，返回数据副本，而不是创建视图。相比切片索引，整数数组的索引更具有通用性，因为其不要求索引值具有特定规律。

整数数组索引要点如下：

对于索引数组中未建立索引的维度（索引数组中的索引集数目小于被索引数组维度），默认被全部索引；
索引结果数组的形状由索引数组的形状与被索引数组中所有未索引的维的形状串联组成，也就是说，若对数组的所有维度建立索引，则索引数组的形状等于结果数组的形状；
若索引数组具有匹配的形状，即索引数组个数（索引集数）等于被索引数组的维度，此时结果数组与索引数组具有相同形状，且这些结果值对应于各维索引集的索引在索引数组中的位置；

正确的做法有以下几种：

1、先抽取行，再抽取列

 x[[0,1]][:,[0,3]]Out[31]:
array([[0, 3],[4, 7]])

2、由于结果数组与索引数组具有相同形状，且这些结果值对应于各维索引集的索引在索引数组中的位置，因此可以直接写目标数据的坐标

index = [[[0,0],[1,1]],[[0,3],[0,3]]]
x[index]Out[33]:
array([[0, 3],[4, 7]])

此种做法也可以利用numpy的广播机制，写为

x[[0,1],[[0],[3]]]
Out[39]:
array([[0, 4],[3, 7]])

注意与开始的错误写法对比

3、Numpy提供的函数ix_()更快地实现索引指定行列

ix_(*args)Construct an open mesh from multiple sequences.This function takes N 1-D sequences and returns N outputs with Ndimensions each, such that the shape is 1 in all but one dimensionand the dimension with the non-unit shape value cycles through allN dimensions.Using `ix_` one can quickly construct index arrays that will indexthe cross product. ``a[np.ix_([1,3],[2,5])]`` returns the array``[[a[1,2] a[1,5]], [a[3,2] a[3,5]]]``.

写法为：

i,j = np.ix_([0,1],[0,3])
x[i,j]Out[44]:
array([[0, 3],[4, 7]])

numpy选择特定的行列相关推荐

08_索引与切片,Indexing,Python风格的索引,index_select()选择特定索引,使用...索引任意多的维度,使用mask索引,take索引
1.8.索引与切片 1.8.1.Indexing 1.8.2.Python风格的索引 1.8.3.index_select()选择特定索引 1.8.4.使用-索引任意多的维度 1.8.5.使用mask ...
numpy使用[]语法索引二维numpy数组中指定行列位置的数值内容(access value at certain row and column in numpy array)
numpy使用[]语法索引二维numpy数组中指定行列位置的数值内容(access value at certain row and column in numpy array) 目录
Python语言学习之pandas：DataFrame二维表的简介、常用函数、常用案例(增删改查排序之选择指定列、根据条件选择特定数据、赋值、列名重命名、修改列数据、处理缺失值、列合并、分组之详细攻略
Python语言学习之pandas:DataFrame二维表的简介.常用函数.常用案例(增删改查排序之选择指定列.根据条件选择特定数据.赋值.列名重命名.修改列数据.处理缺失值.列合并.分组之详细攻略 ...
【Numpy】选择特定行列
问题方法 import numpy as npa = np.random.randint(0, 100, (3,3)) print(a)b = a[:, [0,2]] # 选择所有行, 第1.3列 ...
Python+numpy实现矩阵的行列扩展
对于numpy矩阵,行列扩展有三种比较常用的方法: 使用矩阵对象的c_方法扩展列,使用矩阵对象的r_方法扩展行. 使用numpy扩展库提供的insert()函数,使用axis参数指定行或列. 使用nu ...
mysql against包含英文_在MySQL中使用MATCH和AGAINST选择特定列中包含字符串的行
让我们首先创建一个表-mysql> create table DemoTable1833 ( Name varchar(20) ); 修改表-Mysql> alter table Demo ...
mysql 选择特定的表_MySQL选择具有多个特定列的所有表
我想获取具有3个特定列的所有表名. 我想要的是从信息模式中获取所有包含columnA AND columnB AND columnC的表名. 目前,我正在使用类似的查询 SELECT DISTINCT ...
android action pick,android – 无法使用ACTION_PICK意图选择特定图...
我正在使用这样的意图: Intent intent = new Intent(Intent.ACTION_PICK, android.provider.MediaStore.Images.Media. ...
numpy 获取特定数值的索引_入门Numpy、Pandas及案例实践
用Python进行数据分析,需要用到数据分析相关的包,如本文中用到的pandas和numpy包. 本文目录: 用python分析一维数据用python分析二维数据案例:销售数据分析一.一维数据分 ...

numpy选择特定的行列

numpy选择特定的行列相关推荐

最新文章

热门文章