在Python/Numpy中选择某些行（满足条件），但仅选择某些列

我有一个4列的numpy数组，希望选择第1、3和4列，其中第二列的值满足某个条件（即固定值）。我尝试首先仅选择行，但通过以下方式选择所有4列：

I = A[A[:,1] == i]

这很有效。然后我进一步尝试（类似于我非常熟悉的matlab）：

这不管用。怎么做

---

示例数据：

 >>> A = np.array([[1,2,3,4],[6,1,3,4],[3,2,5,6]])
 >>> print A
 [[1 2 3 4]
  [6 1 3 4]
  [3 2 5 6]]
 >>> i = 2
     
 # I want to get the columns 1, 3 and 4 
 # for every row which has the value i in the second column. 
 # In this case, this would be row 1 and 3 with columns 1, 3 and 4:
 [[1 3 4]
  [3 5 6]]
 

我现在正在使用以下内容：

I = A[A[:,1] == i]
I = I[:, [0,2,3]]

但我认为必须有更好的方法来做。。。（我习惯了MATLAB）

有关晦涩难懂的

np.ix(
）的解释，请参阅

最后，我们可以通过提供列编号列表而不是繁琐的布尔掩码来简化：

>>> a[np.ix_(a[:,0] > 3, (0,1,3))]
array([[ 5,  6,  8],
       [ 9, 10, 12]])

这也行得通

I = np.array([row[[x for x in range(A.shape[1]) if x != i-1]] for row in A if row[i-1] == i])
print I

编辑：由于索引从0开始，所以

i-1

应使用。
如果不希望使用布尔位置，但希望使用索引，则可以这样编写：

A[:, [0, 2, 3]][A[:, 1] == i]

回到您的示例：

>>> A = np.array([[1,2,3,4],[6,1,3,4],[3,2,5,6]])
>>> print A
[[1 2 3 4]
 [6 1 3 4]
 [3 2 5 6]]
>>> i = 2
>>> print A[:, [0, 2, 3]][A[:, 1] == i]
[[1 3 4]
 [3 5 6]]

说真的，
我希望这能回答您的问题，但我使用pandas实现的一个脚本是：

df_targetrows = df.loc[df[col2filter]*somecondition*, [col1,col2,...,coln]]

比如说,

targets = stockdf.loc[stockdf['rtns'] > .04, ['symbol','date','rtns']]

这将从
stockdf
返回一个数据帧，其中
rtns
的行值满足，
stockdf['rtns']>.04

希望这有帮助
A[A[：，1]==i][0,2,3]
也不起作用吗？i=A[A[：，1]==i][0,2,3]-->索引器：索引太多了，除此之外，我不得不承认，我也不会真正理解索引，与matlab非常不同…@tim:你能发布数组吗？你希望得到什么输出？@Ankur Ankan:编辑到问题中。所以真的需要两个连续的选择吗？如果你希望你能做
a[x][y]
其中x和y是布尔掩码，是的，我也希望这样，但它不起作用。这似乎是一个已知的问题，我不知道为什么，但这在这里并不重要。不仅如此，我希望能够在一条语句中选择行和列，如下所示：
a[row\u index\u to\u select，colu index\u to\u select]
，而
row\u index\u to\u select
将来自我想要应用的条件（我添加了更多的解决方案——我喜欢最后一个使用ix_（）的解决方案）使用元组。算法必须是正确的，但它不是很python。@Taha可能不是，但它节省了您的双重选择。这个想法其实很简单，先选择cols，然后在行上迭代。@我理解您所做的。但最近，我在用大矩阵进行数值计算。我一直需要矢量化计算。pr你建议的问题是你要创建一个新的列表。你不能用这种方式直接改变矩阵中的值。如果你不需要改变a的值，这确实很有用。布尔位置实际上对我来说没问题，我只想一步完成选择，而不是两个连续的选择（您的解决方案正在做什么，不是吗？）因为性能原因。
>>> a=np.array([[1,2,3], [1,3,4], [2,2,5]])
>>> a[a[:,0]==1][:,[0,1]]
array([[1, 2],
       [1, 3]])
>>> 

targets = stockdf.loc[stockdf['rtns'] > .04, ['symbol','date','rtns']]

>>> a=np.array([[1,2,3], [1,3,4], [2,2,5]])
>>> a[a[:,0]==1][:,[0,1]]
array([[1, 2],
       [1, 3]])
>>>