Numpy切片python 3

我有4个数组阵列X：是包含示例的二维阵列（每个示例有3个功能）：

数组Y包含数组X中示例的标签：

Y = array([11, 44, 77, 22, 77, 22, 22])

数组L&R包含标签的子集

L = array([11, 44])
R = array([77, 22])

我想根据L和R中的标签对X和Y进行切片。因此输出应该是：

XL = array([[1, 2, 3], [4, 5, 6]])
XR = array([[7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
YL = array([11, 44])
YR = array([77, 22, 77, 22, 22])

我知道在基于值时，我可以执行以下操作来提取所需的行：

Y[Y==i]
X[Y[Y==i], :] 

然而，

i

这里是一个值，但在我的问题中它是另一个数组（例如，

L

和

R

）。

---

我希望Python3中有一个高效的解决方案来实现这一点。有什么提示吗？

您通常会这样做：

from numpy import array

X = array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
Y = array([11, 44, 77, 22, 77, 22, 22])

L = array([11, 44])
R = array([77, 22])

XL = array([x for x, y in zip(X, Y) if y in L])
XR = array([x for x, y in zip(X, Y) if y in R])
YL = array([y for y in Y if y in L])
YR = array([y for y in Y if y in R])

# Output
# XL = array([[1, 2, 3], [4, 5, 6]])
# XR = array([[7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
# YL = array([11, 44])
# YR = array([77, 22, 77, 22, 22])

---

希望这有帮助：）

这就是你通常的做法：

from numpy import array

X = array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
Y = array([11, 44, 77, 22, 77, 22, 22])

L = array([11, 44])
R = array([77, 22])

XL = array([x for x, y in zip(X, Y) if y in L])
XR = array([x for x, y in zip(X, Y) if y in R])
YL = array([y for y in Y if y in L])
YR = array([y for y in Y if y in R])

# Output
# XL = array([[1, 2, 3], [4, 5, 6]])
# XR = array([[7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
# YL = array([11, 44])
# YR = array([77, 22, 77, 22, 22])

希望这有帮助：）

使用：

使用：

---

什么样的标签是

44

和

77

？您的意思是将其用作

X[3,3]

和

X[6,6]

？这不是所谓的切片。它的布尔索引，完全不同。。。除非您的标签是以一种非常特殊的方式组织的，否则您不能仅仅使用切片。Kounis这些值对应于某种类型的类。可能还有其他标签，如55、66、99等@Julien我明白了！那么，有没有一种方法可以使用布尔索引实现我想要的功能呢？是的，它看起来就像你刚才做的一样，如果你对你的代码不满意，你需要分享它，并解释你到底不满意什么……什么样的标签是

44

和

77

？您的意思是将其用作

X[3,3]

和

X[6,6]

？这不是所谓的切片。它的布尔索引，完全不同。。。除非您的标签是以一种非常特殊的方式组织的，否则您不能仅仅使用切片。Kounis这些值对应于某种类型的类。可能还有其他标签，如55、66、99等@Julien我明白了！那么，有没有一种方法可以使用布尔索引实现我想要的功能呢？是的，它看起来就像你刚才所做的那样，如果你对代码不满意，你需要分享它，并解释你到底不满意什么……虽然这是“干净方便的”，但在大数据上可能相当慢，因为它在python中大量循环而不是使用numpy矢量化…虽然这是“干净和方便的”，但在大数据上可能相当慢，因为它在python中大量循环而不是使用numpy矢量化。。。

import numpy as np

X = np.asarray([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]])
Y = np.asarray([11, 44, 77, 22, 77, 22, 22])

L = np.asarray([11, 44])
R = np.asarray([77, 22])

mask_L = np.isin(Y, L)
mask_R = np.isin(Y, R)

print(X[mask_L,:])  # output: array([[1, 2, 3], [4, 5, 6]])

print(X[mask_R,:])  # output: array([[ 7,  8,  9], [10, 11, 12], 13, 14, 15], 16, 17, 18], 19, 20, 21]])

print(Y[mask_L])  # output: array([11, 44])

print(Y[mask_R])  # output: array([77, 22, 77, 22, 22])