NumPy, bir dizin listesi kullanarak satır başına belirli sütun dizinini seçme

Bir NumPy matrisinin her satırı için belirli sütunları seçmekte zorlanıyorum.

Diyelim ki aşağıdaki matrise sahip olduğumu varsayalım X:

[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

Ayrıca listher satır için arayacağım bir sütun dizinim var Y:

[1, 0, 2]

Değerleri almam gerekiyor:

[2]
[4]
[9]

Bunun yerine, bir ait listdizinler ile Y, aynı zamanda da aynı şekle sahip olan bir matris üretebilir Xher sütunda olduğu bool/ intbu gerekli sütun olup olmadığını gösteren, aralık 0-1 değerinde.

[0, 1, 0]
[1, 0, 0]
[0, 0, 1]

Bunun dizi üzerinde yineleyerek ve ihtiyacım olan sütun değerlerini seçerek yapılabileceğini biliyorum. Ancak, bu sık sık büyük veri dizileri üzerinde yürütülecektir ve bu yüzden olabildiğince hızlı çalışması gerekir.

Bu yüzden daha iyi bir çözüm olup olmadığını merak ediyordum?

Bir boole diziniz varsa, buna göre doğrudan seçim yapabilirsiniz:

>>> a = np.array([True, True, True, False, False])
>>> b = np.array([1,2,3,4,5])
>>> b[a]
array([1, 2, 3])

İlk örneğinizle devam etmek için şunları yapabilirsiniz:

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> b = np.array([[False,True,False],[True,False,False],[False,False,True]])
>>> a[b]
array([2, 4, 9])

Ayrıca arange, boole dizinizi nasıl oluşturduğunuza ve kodunuzun YMMV'ye neye benzediğine bağlı olarak, buna bir de ekleyebilir ve doğrudan seçim yapabilirsiniz.

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> a[np.arange(len(a)), [1,0,2]]
array([2, 4, 9])

Umarım yardımcı olur, başka sorunuz olursa bana bildirin.

Bunun gibi bir şey yapabilirsiniz:

In [7]: a = np.array([[1, 2, 3],
   ...: [4, 5, 6],
   ...: [7, 8, 9]])

In [8]: lst = [1, 0, 2]

In [9]: a[np.arange(len(a)), lst]
Out[9]: array([2, 4, 9])

Çok boyutlu dizilerin indekslenmesi hakkında daha fazla bilgi: http://docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-multi-dimensional-arrays

Basit bir yol şöyle görünebilir:

In [1]: a = np.array([[1, 2, 3],
   ...: [4, 5, 6],
   ...: [7, 8, 9]])

In [2]: y = [1, 0, 2]  #list of indices we want to select from matrix 'a'

range(a.shape[0]) dönecek array([0, 1, 2])

In [3]: a[range(a.shape[0]), y] #we're selecting y indices from every row
Out[3]: array([2, 4, 9])

Son numpysürümler , bu indekslemeyi temiz bir şekilde yapan bir take_along_axis(ve put_along_axis) ekledi .

In [101]: a = np.arange(1,10).reshape(3,3)                                                             
In [102]: b = np.array([1,0,2])                                                                        
In [103]: np.take_along_axis(a, b[:,None], axis=1)                                                     
Out[103]: 
array([[2],
       [4],
       [9]])

Aşağıdakilerle aynı şekilde çalışır:

In [104]: a[np.arange(3), b]                                                                           
Out[104]: array([2, 4, 9])

ancak farklı eksen işleme ile. Özellikle sonuçlarını uygulamak hedefleniyor argsortve argmax.

Yineleyici kullanarak yapabilirsiniz. Bunun gibi:

np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)

Zaman:

N = 1000
X = np.zeros(shape=(N, N))
Y = np.arange(N)

#@Aशwini चhaudhary
%timeit X[np.arange(len(X)), Y]
10000 loops, best of 3: 30.7 us per loop

#mine
%timeit np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)
1000 loops, best of 3: 1.15 ms per loop

#mine
%timeit np.diag(X.T[Y])
10 loops, best of 3: 20.8 ms per loop

Bir başka akıllıca yol, önce diziyi transpoze etmek ve daha sonra indekslemektir. Son olarak, köşegeni alın, her zaman doğru cevaptır.

X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
Y = np.array([1, 0, 2, 2])

np.diag(X.T[Y])

Adım adım:

Orijinal diziler:

>>> X
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])

>>> Y
array([1, 0, 2, 2])

Doğru dizine eklemeyi mümkün kılmak için transpoze edin.

>>> X.T
array([[ 1,  4,  7, 10],
       [ 2,  5,  8, 11],
       [ 3,  6,  9, 12]])

Y sırasına göre satırları alın.

>>> X.T[Y]
array([[ 2,  5,  8, 11],
       [ 1,  4,  7, 10],
       [ 3,  6,  9, 12],
       [ 3,  6,  9, 12]])

Köşegen şimdi netleşmelidir.

>>> np.diag(X.T[Y])
array([ 2,  4,  9, 12]