python - 使用 2 个索引列表对 2D Numpy 数组进行索引

Question

我遇到了一个奇怪的情况。

我有一个 2D Numpy 数组，x:

x = np.random.random_integers(0,5,(20,8))

我有 2 个索引器——一个带有行索引，一个带有列索引。为了索引 X，我必须执行以下操作:

row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,column_indices]

不仅仅是:

x_new = x[row_indices,column_indices]

(失败并出现:错误，不能用(2，)广播(20，))

---

我希望能够使用广播在一行中进行索引，因为这样可以使代码保持干净和可读......而且，我不太了解 python 的底层知识，但是据我了解，在一行中完成它应该更快(我将使用相当大的数组)。

---

测试用例:

x = np.random.random_integers(0,5,(20,8))

row_indices = [4,2,18,16,7,19,4]
col_indices = [1,2]
x_rows = x[row_indices,:]
x_indexed = x_rows[:,col_indices]

x_doesnt_work = x[row_indices,col_indices]

Answer 1

使用索引或 bool 数组/掩码通过 np.ix_ 进行选择或赋值

1。使用 indexing-arrays

A.选择

我们可以使用 np.ix_获得一个可相互广播的索引数组元组，以产生更高维的索引组合。因此，当该元组用于索引输入数组时，将给我们相同的高维数组。因此，要根据两个 1D 索引数组进行选择，应该是 -

x_indexed = x[np.ix_(row_indices,col_indices)]

B.作业

我们可以使用相同的符号将标量或可广播数组分配到这些索引位置。因此，以下适用于作业 -

x[np.ix_(row_indices,col_indices)] = # scalar or broadcastable array

2。带掩码

我们还可以在 np.ix_ 中使用 bool 数组/掩码，类似于使用索引数组的方式。这可以再次用于从输入数组中选择一个 block ，也可以用于分配给它。

A.选择

因此，使用 row_mask 和 col_mask bool 数组分别作为行和列选择的掩码，我们可以使用以下选择 -

x[np.ix_(row_mask,col_mask)]

B.作业

以下适用于作业 -

x[np.ix_(row_mask,col_mask)] = # scalar or broadcastable array

---

样本运行

1.将 np.ix_ 与 indexing-arrays

一起使用

输入数组和索引数组 -

In [221]: x
Out[221]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

In [222]: row_indices
Out[222]: [4, 2, 5, 4, 1]

In [223]: col_indices
Out[223]: [1, 2]

带有 np.ix_ 的索引数组元组 -

In [224]: np.ix_(row_indices,col_indices) # Broadcasting of indices
Out[224]: 
(array([[4],
        [2],
        [5],
        [4],
        [1]]), array([[1, 2]]))

做出选择 -

In [225]: x[np.ix_(row_indices,col_indices)]
Out[225]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

作为 suggested by OP ，这实际上与使用 row_indices 的 2D 数组版本执行 old-school 广播相同，其元素/索引 sent 到 axis=0 并因此在 axis=1 处创建一个单一维度，从而允许使用 col_indices 进行广播。因此，我们会有这样的替代解决方案 -

In [227]: x[np.asarray(row_indices)[:,None],col_indices]
Out[227]: 
array([[76, 56],
       [70, 47],
       [46, 95],
       [76, 56],
       [92, 46]])

如前所述，对于分配，我们只是这样做。

行、列索引数组-

In [36]: row_indices = [1, 4]

In [37]: col_indices = [1, 3]

使用标量进行赋值 -

In [38]: x[np.ix_(row_indices,col_indices)] = -1

In [39]: x
Out[39]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, -1, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -1, 56, -1, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用 2D block (可广播的数组)进行分配 -

In [40]: rand_arr = -np.arange(4).reshape(2,2)

In [41]: x[np.ix_(row_indices,col_indices)] = rand_arr

In [42]: x
Out[42]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88,  0, 46, -1, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, -2, 56, -3, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

<强>2。将 np.ix_ 与 masks

一起使用

输入数组-

In [19]: x
Out[19]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [88, 92, 46, 67, 44, 81, 17, 67],
       [31, 70, 47, 90, 52, 15, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [74, 46, 95, 27, 81, 97, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

输入行，列掩码 -

In [20]: row_mask = np.array([0,1,1,0,0,1,0],dtype=bool)

In [21]: col_mask = np.array([1,0,1,0,1,1,0,0],dtype=bool)

做出选择 -

In [22]: x[np.ix_(row_mask,col_mask)]
Out[22]: 
array([[88, 46, 44, 81],
       [31, 47, 52, 15],
       [74, 95, 81, 97]])

使用标量进行赋值 -

In [23]: x[np.ix_(row_mask,col_mask)] = -1

In [24]: x
Out[24]: 
array([[17, 39, 88, 14, 73, 58, 17, 78],
       [-1, 92, -1, 67, -1, -1, 17, 67],
       [-1, 70, -1, 90, -1, -1, 24, 22],
       [19, 59, 98, 19, 52, 95, 88, 65],
       [85, 76, 56, 72, 43, 79, 53, 37],
       [-1, 46, -1, 27, -1, -1, 93, 69],
       [49, 46, 12, 83, 15, 63, 20, 79]])

使用 2D block (可广播的数组)进行分配 -

In [25]: rand_arr = -np.arange(12).reshape(3,4)

In [26]: x[np.ix_(row_mask,col_mask)] = rand_arr

In [27]: x
Out[27]: 
array([[ 17,  39,  88,  14,  73,  58,  17,  78],
       [  0,  92,  -1,  67,  -2,  -3,  17,  67],
       [ -4,  70,  -5,  90,  -6,  -7,  24,  22],
       [ 19,  59,  98,  19,  52,  95,  88,  65],
       [ 85,  76,  56,  72,  43,  79,  53,  37],
       [ -8,  46,  -9,  27, -10, -11,  93,  69],
       [ 49,  46,  12,  83,  15,  63,  20,  79]])