Python 索引超出边界的Numpy 2D数组索引

我在以下代码中发现了一个严重的瓶颈：

def get_value(matrix, index):
    if (index[0] >= 0 and index[1] >= 0 and
        index[0] < matrix.shape[0] and
        index[1] < matrix.shape[1]):
        return matrix[index[0], index[1]]
    return DEFAULT_VAL

我一直在想一种利用numpy来完成这项任务的方法，但我还没有找到一种方法

---

有办法做到这一点吗？

您显示的代码

def get_values(matrix, indices):
    return matrix[indices[:,0], indices[:,1]]

如果

索引

是一个具有两个值的元组，则是您所能做的最好的

您应该查看调用上述方法的最佳方式。我建议如果可以的话，与其用一个元组调用

get\u values

，不如用大量这样的元组调用。然后，您至少可以尝试编写一个向量化版本的

get\u values

。对于单元组，这里没有任何东西可以矢量化

矢量化方法 假设您的

索引

是一个大小为

nx2

的numpy数组，其中

n

是索引的数量，

2

对应于两个维度，那么您可以使用

index = np.random.randint(0,500, size=(10000,2))
matrix = np.random.randn(1000,1000)

def get_value(matrix, index, default_value=-1):
  result = np.zeros(len(index))+default_value
  mask = (index[:,0] < matrix.shape[0]) & (index[:,1] < matrix.shape[1])
  valid = index[mask]
  result[mask] = matrix[valid[:, 0], valid[:, 1]]
  return result


assert np.all(get_value(matrix, np.array(([0,1001],[1001,1001]))) == -1)

---

这就是我的意思。我使用元组数组调用get_values方法。但我不知道如何实施。原始的get_值可以处理单个元组，而get_值应该处理元组数组。向量化方法几乎就是我想要的。问题是当索引无效时，我需要返回一个默认值，而不是访问矩阵。这就是我正在努力解决的问题。请看前面的get_value实现。谢谢，这是不对的。在您的解决方案中，您可以为一维索引数组返回二维值数组。对于索引数组中的每个元组，应该有一个值。因此，对于形状（10000,2）的索引，结果数组应该是形状（10000，）。这正是我想要的！非常感谢。工作起来很有魅力。

index = np.random.randint(0,500, size=(10000,2))
matrix = np.random.randn(1000,1000)

def get_value(matrix, index, default_value=-1):
  result = np.zeros(len(index))+default_value
  mask = (index[:,0] < matrix.shape[0]) & (index[:,1] < matrix.shape[1])
  valid = index[mask]
  result[mask] = matrix[valid[:, 0], valid[:, 1]]
  return result


assert np.all(get_value(matrix, np.array(([0,1001],[1001,1001]))) == -1)

%timeit get_value(matrix, index, -1): 1 loop, best of 3: 264 ms per loop