Python 在特定位置拆分nump数组

嘿，我基本上有这样一个问题：

我有一个numpy数组，其中包含一个值矩阵，例如：

Data = np.array([
    [3, 0, 1, 5],
    [0, 0, 0, 7],
    [0, 3, 0, 0],
    [0, 0, 0, 6],
    [5, 1, 0, 0]])

使用另一个数组，我想提取特定值并将它们相加，这有点难以解释，因此我仅举一个例子：

values = np.array([3,1,3,4,2])

这意味着我们需要第一行的前3个值，第二行的第一个值，第三行的前3个值，第四行的前4个值和最后一行的前2个值，所以我们只需要以下数据：

final_data = np.array([
    [3, 0, 1],
    [0],
    [0, 3, 0],
    [0, 0, 0, 6],
    [5, 1]])

然后我们想要得到这些值的总和，在这种情况下，总和将是19

有什么简单的方法可以做到这一点吗？此外，数据的大小并不总是相同的，因此我不能有任何固定的变量。

您可以尝试：

sum([Data[i, :j].sum() for i, j in enumerate(values)])

---

您可以通过高级索引来实现这一点。在从阵列中提取高级坐标之前，可以单独计算这些坐标

明确地：

Data = np.array([
    [3, 0, 1, 5],
    [0, 0, 0, 7],
    [0, 3, 0, 0],
    [0, 0, 0, 6],
    [5, 1, 0, 0]])
values = np.array([3,1,3,4,2])
X = [0,0,0,1,2,2,2,3,3,3,3,4,4]
Y = [0,1,2,0,0,1,2,0,1,2,3,0,1]
Data[X,Y]

注意：X是访问每行的次数，Y是使用每个X访问的列。这些可以直接从值计算：

X = np.concatenate([[n]*i for n,i in enumerate(values)])
Y = np.concatenate([np.arange(i) for i in values])

更好的答案是：

Data[np.arange(Data.shape[1])<values[:,None]].sum()

---

Data[np.arange（Data.shape[1]）这很有效，谢谢。这很好，但是你可能想用
np.arange（values.max（））
替换
np.arange（Data.shape[1]）
。否则如果
values.max（）
小于
数据的数量或列数，它就会失败。是的，这一点不错。