Python 将二维numpy数组的行保存到另一个数组中
我有一个二维np数组V(100000x50)。我想创建一个新的数组V_tgt,在其中我只保留某些行的V,因此维度将是(ix50)。这可能很容易做到,但我尝试了不同的方法,似乎只保存了50个元素中的第一个。我的代码如下:Python 将二维numpy数组的行保存到另一个数组中,python,arrays,numpy,Python,Arrays,Numpy,我有一个二维np数组V(100000x50)。我想创建一个新的数组V_tgt,在其中我只保留某些行的V,因此维度将是(ix50)。这可能很容易做到,但我尝试了不同的方法,似乎只保存了50个元素中的第一个。我的代码如下: V_tgt = np.array([]) for i in IX_items: if i in IX_tgt_items: V_tgt=np.append(V_tgt, V[i]) 我也尝试了诸如insert和delete之类的函数,但都不起作用。如何保
V_tgt = np.array([])
for i in IX_items:
if i in IX_tgt_items:
V_tgt=np.append(V_tgt, V[i])
我也尝试了诸如insert和delete之类的函数,但都不起作用。如何保存所有值并创建具有正确维度的数组?非常感谢您的帮助。从您的评论中,我假设您有某种类型的目标索引列表(在我的示例中为
tgt_idx1
和tgt_idx2
),它告诉您从V中获取哪些元素。您可以这样做:
import numpy as np
V = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
tgt_idx1 = np.array([1, 2, 3])
tgt_idx2 = np.array([1, 3])
mask = []
for i, elem in enumerate(V):
inTargets = i in tgt_idx1 and i in tgt_idx2
mask.append(inTargets)
print mask
V_tgt = V[mask]
print V_tgt
这张照片
[False, True, False, True]
[[ 4 5 6]
[10 11 12]]
根据您的评论,我假设您有某种类型的目标索引列表(在我的示例中是
tgt_idx1
和tgt_idx2
),它告诉您从V中获取哪些元素。您可以这样做:
import numpy as np
V = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
tgt_idx1 = np.array([1, 2, 3])
tgt_idx2 = np.array([1, 3])
mask = []
for i, elem in enumerate(V):
inTargets = i in tgt_idx1 and i in tgt_idx2
mask.append(inTargets)
print mask
V_tgt = V[mask]
print V_tgt
这张照片
[False, True, False, True]
[[ 4 5 6]
[10 11 12]]
让我们先简化这个问题。使用初始
数组(a
):
以及索引
数组
:
i1 = np.array([1, 3, 5, 7, 9])
i2 = np.array([0, 1, 2, 3, 4])
然后,我们可以使用一个简单的列表
理解,从a
中获取索引
中i1
和i2
中的元素:
np.array([e for i, e in enumerate(a) if i in i1 and i in i2])
其可读性强,输出:
array([29, 23])
我相信您可以将其调整为变量
您为数组
提供的变量。让我们首先简化这个问题。使用初始数组(a
):
以及索引
数组
:
i1 = np.array([1, 3, 5, 7, 9])
i2 = np.array([0, 1, 2, 3, 4])
然后,我们可以使用一个简单的列表
理解,从a
中获取索引
中i1
和i2
中的元素:
np.array([e for i, e in enumerate(a) if i in i1 and i in i2])
其可读性强,输出:
array([29, 23])
我相信您可以将其适应于您为数组提供的变量
np.append的性能可能会扼杀这一点,为什么不创建两个索引的新重叠,然后再创建子集:
#using @Joe Iddons data
a = np.array([45, 29, 76, 23, 76, 98, 21, 63])
i1 = np.array([1, 3, 5, 7, 9])
i2 = np.array([0, 1, 2, 3, 4])
然后找到i1和i2的交点:
indices = np.intersect1d(i1,i2)
和子集:
a[indices]
array([29, 23])
np.append的性能可能会扼杀这一点,为什么不创建两个索引的新重叠,然后创建子集:
#using @Joe Iddons data
a = np.array([45, 29, 76, 23, 76, 98, 21, 63])
i1 = np.array([1, 3, 5, 7, 9])
i2 = np.array([0, 1, 2, 3, 4])
然后找到i1和i2的交点:
indices = np.intersect1d(i1,i2)
和子集:
a[indices]
array([29, 23])
什么是VV_tgt=np.append(V_tgt,V[i])
对不起,我忘了指定它。V是初始数组,维度100000 X50,那么MFR是什么?考虑用更详细的方式重写你的文章。没有人能够按原样为您提供答案。IX_项和IX_tgt_项只是索引,其想法是,如果索引同时位于第一个和最后一个,那么我希望保存该索引的数据。V是什么V_tgt=np.append(V_tgt,V[i])
对不起,我忘了指定它。V是初始数组,维度100000 X50,那么MFR是什么?考虑用更详细的方式重写你的文章。没有人能够按原样为您提供答案。IX_项和IX_tgt_项只是索引,其想法是,如果索引同时位于第一个和最后一个,那么我希望保存该索引的数据。