Python 基于间隔的Numpy/Pandas切片

试图找出一种方法来分割pandas/numpy矩阵中非连续和非等长的行，以便将这些值设置为公共值。有没有人想出一个优雅的解决方案

import numpy as np
import pandas as pd
x = pd.DataFrame(np.arange(12).reshape(3,4))
#x is the matrix we want to index into

"""
x before:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
"""
y = pd.DataFrame([[0,3],[2,2],[1,2],[0,0]]) 
#y is a matrix where each row contains a start idx and end idx per column of x

"""
   0  1
0  0  3
1  2  3
2  1  3
3  0  1
"""

我要寻找的是一种基于y行有效选择不同长度x切片的方法

x[y] = 0 
"""
x afterwards:
array([[ 0,  1,  2,  0],
       [ 0,  5,  0,  7],
       [ 0,  0,  0, 11]])

---

屏蔽仍然是有用的，因为即使不能完全避免循环，主数据帧x也不需要参与循环，因此这将加快速度：

掩码=np.zeros_likex，dtype=bool 对于我在兰格莱尼： 掩码[y.iloc[i，0]：y.iloc[i，1]+1，i]=True x[掩码]=0 x

作为进一步的改进，考虑如果可能的话，将Y定义为一个麻木数组。< /P> < P>我自定义的回答你的问题：

y_t = y.values.transpose()
y_t[1,:] = y_t[1,:] - 1 # or remove this line and change '>= r' below to '> r`

r = np.arange(x.shape[0])

mask = ((y_t[0,:,None] <= r) & (y_t[1,:,None] >= r)).transpose()

res = x.where(~mask, 0)
res
#     0   1   2   3
# 0   0   1   2   0
# 1   0   5   0   7
# 2   0   0   0   11

---

您可能正在寻找for循环分配backThank@ti7，我认为掩码直接在这里不起作用，因为条件不一定是一个布尔值，而是从一个间隔列表来看for循环是我当前运行的方法，但它很慢。。

y_t = y.values.transpose()
y_t[1,:] = y_t[1,:] - 1 # or remove this line and change '>= r' below to '> r`

r = np.arange(x.shape[0])

mask = ((y_t[0,:,None] <= r) & (y_t[1,:,None] >= r)).transpose()

res = x.where(~mask, 0)
res
#     0   1   2   3
# 0   0   1   2   0
# 1   0   5   0   7
# 2   0   0   0   11