Python-如何使用其他numpy数组正确索引numpy数组,类似于MATLAB
在多年使用MATLAB之后,我正在尝试学习python,这是我一直坚持的。我有一个数组,比如说10乘8。我想在第一列中找到值为3的行,并在该行中取列“2:”。我所做的是:Python-如何使用其他numpy数组正确索引numpy数组,类似于MATLAB,python,arrays,matlab,numpy,indexing,Python,Arrays,Matlab,Numpy,Indexing,在多年使用MATLAB之后,我正在尝试学习python,这是我一直坚持的。我有一个数组,比如说10乘8。我想在第一列中找到值为3的行,并在该行中取列“2:”。我所做的是: newArray = oldArray[np.asarray(np.where(oldArray[:,0] == 3)), 2:] 但这会创建一个一维为1的三维数组,而不是二维数组。我正在努力实现与MATLAB等效的 newArray = oldArray(find(oldArray(:,1)==3),3:end); 有人
newArray = oldArray[np.asarray(np.where(oldArray[:,0] == 3)), 2:]
但这会创建一个一维为1的三维数组,而不是二维数组。我正在努力实现与MATLAB等效的
newArray = oldArray(find(oldArray(:,1)==3),3:end);
有人想过怎么做吗?谢谢大家!
对第一列进行切片
并与3
进行比较,为我们提供一个选择行的掩码。在通过索引到输入数组的2D
数组的第一个轴/行来选择行之后,我们需要选择列(数组的第二个轴)。在MATLAB代码中,有3:end
,这将转换为NumPy上的2:
。在MATLAB中,需要指定结束索引,而在NumPy中则不需要。因此,与MATLAB上的3:end
相比,它简化为2:
因此,代码将是-
oldArray[oldArray[:,0]==3,2:]
样本运行-
In [352]: a
Out[352]: |===============>|
array([[1, 0, 4, 2, 0, 1, 3, 2],
[1, 0, 0, 3, 2, 3, 4, 4],
[1, 2, 1, 4, 4, 0, 4, 2],
[0, 2, 0, 3, 2, 2, 1, 2],
[1, 2, 3, 3, 1, 0, 0, 1],
[3, 4, 2, 4, 2, 0, 3, 4], <==
[3, 1, 1, 0, 0, 1, 2, 0], <==
[2, 0, 4, 3, 1, 3, 1, 1],
[4, 3, 1, 3, 1, 3, 4, 4],
[2, 0, 2, 0, 3, 1, 1, 1]])
In [353]: a[a[:,0]==3,2:]
Out[353]:
array([[2, 4, 2, 0, 3, 4],
[1, 0, 0, 1, 2, 0]])
这同样有效,但会创建问题中列出的3D
数组
剖析它-
In [361]: np.where(a[:,0] == 3)
Out[361]: (array([5, 6]),)
我们看到np。其中
是数组的元组,它是行和列索引。对于1D
的切片,您不会同时拥有行和列,但是
只有一个索引数组
在MATLAB中,find
为您提供了一个索引数组,因此可以减少混乱-
>> a
a =
3 4 3 3
2 5 5 2
2 2 2 3
5 3 4 4
4 3 4 2
3 2 4 2
>> find(a(:,1)==3)
ans =
1
6
所以,为了得到这些索引,从中得到第一个数组-
In [362]: np.where(a[:,0] == 3)[0]
Out[362]: array([5, 6])
使用它索引到第一个轴,然后从2
开始对列进行切片-
In [363]: a[np.where(a[:,0] == 3)[0]]
Out[363]:
array([[3, 4, 2, 4, 2, 0, 3, 4],
[3, 1, 1, 0, 0, 1, 2, 0]])
In [364]: a[np.where(a[:,0] == 3)[0],2:]
Out[364]:
array([[2, 4, 2, 0, 3, 4],
[1, 0, 0, 1, 2, 0]])
这将为您提供预期的输出
注意事项 在使用掩码或整数索引轴时需要小心 理论上,对于
8列的a
,列索引应该相当于使用[2,3,4,5,6,7]
进行索引
让我们试试看-
In [370]: a[a[:,0]==3,[2,3,4,5,6,7]]
....
IndexError: shape mismatch: indexing arrays could ...
not be broadcast together with shapes (2,) (6,)
我们正在那里触发broadcastable
索引。用于索引到两个轴的元素具有不同的长度,并且不可广播
让我们来验证一下。用于索引到行的数组
-
In [374]: a[:,0]==3
Out[374]: array([False, False, False, False, False, True, True, False, False, False], dtype=bool)
本质上,这是两个元素的数组,因为有两个True
元素-
In [375]: np.where(a[:,0]==3)[0]
Out[375]: array([5, 6])
用于索引列的数组为[2,3,4,5,6,7]
,其长度为6
,因此不能针对行索引进行广播
为了达到选择行ID的预期目标:5,6
,并为每一行选择列ID2,3,4,5,6,7
,我们可以创建可广播的开放网格,如下所示-
In [376]: np.ix_(a[:,0]==3, [2,3,4,5,6,7])
Out[376]:
(array([[5],
[6]]), array([[2, 3, 4, 5, 6, 7]]))
最后,用所需的o/p索引到输入数组中-
In [377]: a[np.ix_(a[:,0]==3, [2,3,4,5,6,7])]
Out[377]:
array([[2, 4, 2, 0, 3, 4],
[1, 0, 0, 1, 2, 0]])
注意-这是基本索引和高级索引的混合,它可以提供@user2357112感谢您指出这一点!编辑了一些关于如何在这里应用的细节。呸,这很有道理。非常感谢您详尽的回答!
In [377]: a[np.ix_(a[:,0]==3, [2,3,4,5,6,7])]
Out[377]:
array([[2, 4, 2, 0, 3, 4],
[1, 0, 0, 1, 2, 0]])