Python 屏蔽numpy数组的某些行并恢复

我有一个带有

掩码的掩码：（8781288，1）

包括1和0，

标签文件

（y_lbl:（8781288，1））和一个带有

专长的特征向量：（8781288，64）

。我只需要从遮罩文件中1的特征向量和标签文件中获取这些行。如何做到这一点，以及如何基于元素中的掩码文件在

掩码标签文件

中应用（恢复）预测值（

ypred

）的相反操作

例如，在Matlab中，可以轻松地执行

X=feat\u re（mask\u re==1）

，并且可以恢复到

new\u lbl（mask\u re==1）=ypred

，其中

new\u lbl=zero（8781288，1）

。我尝试在python中执行类似的操作：

 X=feat_re[np.where(mask_re==1),:]
 X.shape
(2, 437561, 64)

根据@hpaulj的建议编辑（解决）

问题在于我的掩码文件的形状，一旦我将其更改为

mask\u new=mask\u re.reformate（（8781288））

，它就解决了我的问题，然后

X=feat_re[mask_new==1,:]
(437561, 64)

我怀疑你的错误来自

面具的形状

：

In [188]: mask1 = mask[:,None]                                                  
In [189]: mask1.shape                                                           
Out[189]: (3, 1)
In [190]: arr[mask1,:]                                                          
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-190-6317c3ea0302> in <module>
----> 1 arr[mask1,:]

IndexError: too many indices for array

---

您可以使用布尔索引进行掩蔽，如下所示

X=feat\u re[mask\u re==1，：]
X=X。重塑（2，-1，64）

---

这将选择（mask_re==1）为真的专长行。然后可以使用“重塑”功能重塑x。您可以再次使用“重塑”返回到相同的阵列形状。重塑中的“-1”表示需要通过numpy计算大小

您是否尝试过等效的

numpy

索引

arr[mask，：]

和

newarr[mask，：]=y

？您可以使用布尔掩码或索引数组（例如由

np.where（mask）

生成的数组）。有错误的特定示例可能会有所帮助。@hpaulj当我运行

feat\u re[mask\u re==1，：]

，它向我显示了一个错误

***索引器错误：数组的索引太多

在使用布尔掩码时匹配维度时必须小心。一旦我运行

X=feat\re[mask\u re==1]

，它显示了一个错误：

***索引器：布尔索引与维度1上的索引数组不匹配；维度为64，但相应的布尔维度为1

请尝试

X=feat\re[mask\u re==1，：]

。如果您能为我们提供简化的小型可运行代码版本，将更容易提供帮助

In [188]: mask1 = mask[:,None]                                                  
In [189]: mask1.shape                                                           
Out[189]: (3, 1)
In [190]: arr[mask1,:]                                                          
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-190-6317c3ea0302> in <module>
----> 1 arr[mask1,:]

IndexError: too many indices for array

In [191]: np.nonzero(mask)                                                      
Out[191]: (array([0, 2]),)     # 1 element tuple
In [192]: np.nonzero(mask1)                                                     
Out[192]: (array([0, 2]), array([0, 0]))    # 2 element tuple
In [193]: arr[_191]            # using the mask index                                                  
Out[193]: 
array([[ 0,  1,  2,  3],
       [ 8,  9, 10, 11]])