3

我有一个 2D numpy 数组，如下所示：

import numpy as np
foo = np.array([[(i+1)*(j+1) for i in range(10)] for j in range(5)])

    #array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
    #       [ 2,  4,  6,  8, 10, 12, 14, 16, 18, 20],
    #       [ 3,  6,  9, 12, 15, 18, 21, 24, 27, 30],
    #       [ 4,  8, 12, 16, 20, 24, 28, 32, 36, 40],
    #       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]])

我使用 np.nonzero 创建了一些过滤条件：

csum = np.sum(foo,axis=0)
#array([ 15,  30,  45,  60,  75,  90, 105, 120, 135, 150])
rsum = np.sum(foo,axis=1)
#array([ 55, 110, 165, 220, 275])
cfilter = np.nonzero(csum > 80)
#(array([5, 6, 7, 8, 9]),)
rfilter = np.nonzero(rsum < 165)
#(array([0, 1]),)

现在是否有一些优雅的 numpy 切片方法来获取 foo[r,c] for r in rfilter 和 c in cfilter 的所有组合？即我想得到以下输出：

array([[ 6,  7,  8,  9, 10],
       [12, 14, 16, 18, 20]])

注意：我知道从数组中获取块很容易进行基本的切片选择，但在更高级的用例中，cfilter 和 rfilter 中的索引不一定彼此相邻。

非常感谢！

4

3 回答 3

5

要索引叉积，请使用np.ix_：

foo[np.ix_(*(rfilter + cfilter))]

您可以直接使用布尔索引（即不使用np.nonzero）：

foo[np.ix_(np.sum(foo, axis=1) < 165, np.sum(foo, axis=0) > 80)]

请注意，np.ix_所做的只是适当地添加轴以提供可以一起广播的索引数组：

>>> np.ix_(*(rfilter + cfilter))
(array([[0],
       [1]]), array([[5, 6, 7, 8, 9]]))
于 2012-11-23T17:55:47.820 回答
1

另一种方法是使用索引两次：

In [167]: foo[rsum<165][:,csum>80]
Out[167]: 
array([[ 6,  7,  8,  9, 10],
       [12, 14, 16, 18, 20]])

它是可读的，而且相当快：

In [168]: %timeit foo[rsum<165][:,csum>80]
100000 loops, best of 3: 9.66 us per loop

In [170]: %timeit foo[np.ix_(rsum<165, csum>80)]
100000 loops, best of 3: 16.4 us per loop

PS：更快的创建方式foo是

In [31]: np.multiply.outer(range(1,6),range(1,11))
Out[31]: 
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
       [ 2,  4,  6,  8, 10, 12, 14, 16, 18, 20],
       [ 3,  6,  9, 12, 15, 18, 21, 24, 27, 30],
       [ 4,  8, 12, 16, 20, 24, 28, 32, 36, 40],
       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]])

In [32]: %timeit np.multiply.outer(range(1,6),range(1,11))
100000 loops, best of 3: 14.2 us per loop

In [33]: %timeit np.array([[(i+1)*(j+1) for i in range(10)] for j in range(5)])
10000 loops, best of 3: 26.6 us per loop
于 2012-11-23T19:28:24.650 回答
0

你实际上并不需要非零。像 (csum > 80) 这样的表达式会产生一个新矩阵。你想要的是 (csum > 80) && (rsum < 165)，但是 && 没有在矩阵上定义。但是， * 是并且它在布尔矩阵上也是如此。您遇到的唯一问题是您的 csum 和 rsum 数组的形状不正确。但是，如果您正确堆叠它们，它们可以被广播。

csum = np.hstack (sum (foo, axis=0))
rsum = np.vstack (sum (foo, axis=1))
print foo[(csum > 80) * (hsum < 165)]

唯一的缺点是这会产生您在一维数组中要求的单元格的值。您需要对其进行 reshape() 以获得您要求的格式。

于 2012-11-23T18:11:09.547 回答