Python Numpy/Scipy：如何重新构建数据阵列？

我正在处理一个分类问题。
我有一个

ndarray

形状

（604329,33）

，其中有32个特征和一列标签：

>>> n_data.shape   
(604329, 33)

此数据列的第三列是带有

0

和

1

的标签
我需要将第三列作为最后一列移动，以便在需要切片时更容易使用

问题：

---

有没有办法重建

ndarray

，将第三列移到最后一列？

如果我理解正确，您希望执行以下操作：

my_array = numpy.roll(my_array,-3,axis=1)

---

以下几点可以做到：

x = np.hstack((x[:,:3],x[:,4:],x[:,3:4]))

如果

x

是您的

ndarray

作为的解决方案的替代方案，您可以直接切片阵列，而无需

hstack

>>> a = numpy.array([range(33) for _ in range(4)])
>>> indices = range(33)
>>> indices.append(indices.pop(3))
>>> a[:,indices]
array([[ 0,  1,  2,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
        18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,  3],
       [ 0,  1,  2,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
        18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,  3],
       [ 0,  1,  2,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
        18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,  3],
       [ 0,  1,  2,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
        18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,  3]])

对于小型阵列，速度要快一些：

>>> %timeit numpy.hstack((a[:,:3], a[:,4:], a[:, 3:4]))
100000 loops, best of 3: 19.1 us per loop
>>> %timeit indices = range(33); indices.append(indices.pop(3)); a[:,indices]
100000 loops, best of 3: 14 us per loop

但实际上，对于较大的阵列，速度较慢

>>> a = numpy.array([range(33) for _ in range(600000)])
>>> %timeit numpy.hstack((a[:,:3], a[:,4:], a[:, 3:4]))
1 loops, best of 3: 385 ms per loop
>>> %timeit indices = range(33); indices.append(indices.pop(3)); a[:,indices]
1 loops, best of 3: 670 ms per loop

如果您不需要保留列的顺序（即，如果您可以使用

roll

），那么对于大型

a

，的解决方案是最快的：

>>> %timeit numpy.roll(a, -3, axis=1)
10 loops, best of 3: 120 ms per loop