arrays - 如何根据第 i 个字段的值对 numpy 数组进行切片？

Question

我有一个 2D numpy 数组，它有 4 列和很多行（>10000，这个数字不固定）。

我需要通过其中一列的值创建n个子数组；我发现的最接近的问题是如何按列值对 Numpy 数组进行切片；尽管如此，我不知道该字段中的确切值（它们是浮点数，并且它们在我需要的每个文件中都会更改），但我知道它们不超过 20。

我想我可以逐行读取，记录不同的值，然后进行拆分，但我认为有一种更有效的方法可以做到这一点。

谢谢你。

Answer 1

您可以方便地使用多维切片：

import numpy as np

# just creating a random 2d array.
a = (np.random.random((10, 5)) * 100).astype(int)
print a
print

# select by the values of the 3rd column, selecting out more than 50.
b = a[a[:, 2] > 50]

# showing the rows for which the 3rd column value is > 50.
print b

另一个例子，更接近你在评论（？）中的要求：

import numpy as np

# just creating a random 2d array.
a = np.random.random((10000, 5)) * 100
print a
print

# select by the values of the 3rd column, selecting out more than 50.
b = a[a[:, 2] > 50.0]
b = b[b[:, 2] <= 50.2]

# showing the rows for which the 3rd column value is > 50.
print b

这将选择第三列值为 (50, 50.2] 的行。

Answer 2

您可以将 pandas 用于该任务，更具体地说是 DataFrame 的groupby方法。这是一些示例代码：

import numpy as np
import pandas as pd

# generate a random 20x5 DataFrame
x=np.random.randint(0,10,100)
x.shape=(20,5)
df=pd.DataFrame(x)

# group by the values in the 1st column
g=df.groupby(0)

# make a dict with the numbers from the 1st column as keys and
# the slice of the DataFrame corresponding to each number as
# values of the dict
d={k:v for (k,v) in g}

一些示例输出：

In [74]: d[3]
Out[74]: 
    0  1  2  3  4
2   3  2  5  4  3
5   3  9  4  3  2
12  3  3  9  6  2
16  3  2  1  6  5
17  3  5  3  1  8