Python 对矩阵行求和，不包括来自其他数组的索引

假设我有一些矩阵，W=MxN和一个长的指数数组z，形状为Mx1

现在，假设我想对W中每一行的元素求和，不包括z中该行的索引

一维示例：

import numpy as np

W = np.array([1.0, 2.0, 8.0])
z = 2
np.sum(np.delete(W,z))

MxN示例和所需的输出：

import numpy as np

W = np.array([[1.0,2.0,8.0], [5.0,15.0,3.0]])
z = np.array([0,2]).reshape(2,1)

# desired output
# [10. 20.]

我尝试使用

np.delete

和

axis=1

，但没有成功

我设法通过以下技巧绕过它：

W = np.array([[1.0,2.0,8.0], [5.0,15.0,3.0]])
z = np.array([0,2])
W[np.arange(z.shape[0]), z]=0
print(np.sum(W, axis=1))
# [10. 20.]

但是我想知道是否有更优雅的方法。

使用来让掩码模拟

删除，然后求和减少-

(W*(z != np.arange(W.shape[-1]))).sum(-1)

样本运行-

对于2D情况：

In [61]: W = np.array([[1.0,2.0,8.0], [5.0,15.0,3.0]])
    ...: z = np.array([0,2]).reshape(2,1)

In [62]: (W*(z != np.arange(W.shape[-1]))).sum(-1)
Out[62]: array([10., 20.])

同样适用于1D情况：

In [59]: W = np.array([1.0, 2.0, 8.0])
    ...: z = 2

In [60]: (W*(z != np.arange(W.shape[-1]))).sum(-1)
Out[60]: 3.0


对于2D情况：

In [61]: W = np.array([[1.0,2.0,8.0], [5.0,15.0,3.0]])
    ...: z = np.array([0,2]).reshape(2,1)

In [62]: (W*(z != np.arange(W.shape[-1]))).sum(-1)
Out[62]: array([10., 20.])

对于
总和缩减
-

In [53]: np.einsum('ij,ij->i',W,z != np.arange(W.shape[1]))
Out[53]: array([10., 20.])


求和然后减去
2D
案例的z索引值-

In [134]: W.sum(1) - np.take_along_axis(W,z,axis=1).squeeze(1)
Out[134]: array([10., 20.])

扩展以处理二维和一维情况-

W.sum(-1)-np.take_along_axis(W,np.atleast_1d(z),axis=-1).squeeze(-1)

@迪瓦卡的答案很好。我只是从另一个角度来看待你的问题。如果需要屏蔽来忽略某些索引并对数组执行多个操作，则应使用numpy屏蔽数组
np.ma.array
，而不是常规的
np.array
。屏蔽数组的真正目的是忽略某些索引


从这个
W_ma
屏蔽数组中，您可以执行几乎所有与
np.array
相同的操作。对于
sum

W_ma.sum(1)

Out[44]:
masked_array(data=[10.0, 20.0],
             mask=[False, False],
       fill_value=1e+20)

要将遮罩数组转换为常规数组，可以使用
压缩
、
填充
、或
压缩行数

In [46]: W_ma.sum(1).compressed()
Out[46]: array([10., 20.])


注意：我强调，当您对忽略索引执行多个操作时，掩码数组非常有用。若您只需要对忽略索引执行一个或两个操作，那个么使用屏蔽数组是并没有意义的