NumPy çok boyutlu dizinin i sütununa nasıl erişilir?

Varsayalım:

test = numpy.array([[1, 2], [3, 4], [5, 6]])

test[i]Beni anlayan i'inci dizinin (örn hattı [1, 2]). Nasıl erişebilir inci sütunu? (örneğin [1, 3, 5]). Ayrıca, bu pahalı bir işlem olabilir mi?

>>> test[:,0]
array([1, 3, 5])

Benzer şekilde,

>>> test[1,:]
array([3, 4])

satırlara erişmenizi sağlar. Bu NumPy referansının Bölüm 1.4 (Endeksleme) kapsamındadır . Bu hızlı, en azından benim tecrübelerime göre. Bir döngüdeki her öğeye erişmekten kesinlikle çok daha hızlıdır.

Ayrıca, aynı anda birden fazla sütuna erişmek istiyorsanız şunları yapabilirsiniz:

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

>>> test[:,0]
array([1, 3, 5])

Bu komut size bir satır vektörü verir, sadece üzerinde döngü yapmak istiyorsanız, sorun değil, ancak 3xN boyutuna sahip başka bir dizi ile hstack yapmak istiyorsanız,

ValueError: all the input arrays must have same number of dimensions

süre

>>> test[:,[0]]
array([[1],
       [3],
       [5]])

size bir sütun vektörü verir, böylece birleştirme veya hstack işlemi yapabilirsiniz.

Örneğin

>>> np.hstack((test, test[:,[0]]))
array([[1, 2, 1],
       [3, 4, 3],
       [5, 6, 5]])

Ayrıca bir satırı devredebilir ve döndürebilirsiniz:

In [4]: test.T[0]
Out[4]: array([1, 3, 5])

Birkaç ve bağımsız sütun almak için:

> test[:,[0,2]]

0 ve 2 numaralı sütunlar alacaksınız

Her ne kadar soru cevaplanmış olsa da, bazı nüanslardan bahsetmeme izin verin.

Diyelim ki dizinin ilk sütunuyla ilgileniyorsunuz

arr = numpy.array([[1, 2],
                   [3, 4],
                   [5, 6]])

Diğer cevaplardan zaten bildiğiniz gibi, bunu "satır vektörü" (şekil dizisi) şeklinde almak (3,)için dilimleme kullanırsınız:

arr_c1_ref = arr[:, 1]  # creates a reference to the 1st column of the arr
arr_c1_copy = arr[:, 1].copy()  # creates a copy of the 1st column of the arr

Bir dizinin başka bir dizinin görünümü veya kopyası olup olmadığını kontrol etmek için aşağıdakileri yapabilirsiniz:

arr_c1_ref.base is arr  # True
arr_c1_copy.base is arr  # False

bkz. ndarray.base .

İkisi arasındaki bariz farkın (modifikasyon arr_c1_refetkileyecek arr) yanı sıra, her birini çaprazlamak için bayt adımlarının sayısı farklıdır:

arr_c1_ref.strides[0]  # 8 bytes
arr_c1_copy.strides[0]  # 4 bytes

bkz atılımlar . Bu neden önemli? Şunun Ayerine çok büyük bir diziniz olduğunu düşünün arr:

A = np.random.randint(2, size=(10000,10000), dtype='int32')
A_c1_ref = A[:, 1] 
A_c1_copy = A[:, 1].copy()

ve ilk sütundaki tüm öğelerin toplamını, yani A_c1_ref.sum()veya toplamını hesaplamak istersiniz A_c1_copy.sum(). Kopyalanan sürümü kullanmak çok daha hızlıdır:

%timeit A_c1_ref.sum()  # ~248 µs
%timeit A_c1_copy.sum()  # ~12.8 µs

Bu, daha önce belirtilen farklı adımlardan kaynaklanmaktadır:

A_c1_ref.strides[0]  # 40000 bytes
A_c1_copy.strides[0]  # 4 bytes

Her ne kadar sütun kopyaları kullanmak daha iyi gibi görünse de, bir kopya yapmak zaman alır ve daha fazla bellek kullanır (bu durumda oluşturmak için yaklaşık 200 µs sürdü) her zaman doğru değildir A_c1_copy. Ancak, ilk etapta kopyaya ihtiyacımız varsa veya dizinin belirli bir sütununda birçok farklı işlem yapmamız gerekiyorsa ve hız için bellekten ödün vermekle sorunuz, o zaman bir kopya yapmak gitmenin yoludur.

Çoğunlukla sütunlarla çalışmakla ilgiliysek, dizimizi satır-büyük ('C') sırası (varsayılan olan) yerine sütun-büyük ('F') düzeninde oluşturmak iyi bir fikir olabilir. ) ekleyin ve kopyalamadan bir sütunu almak için daha önce olduğu gibi dilimlemeyi yapın:

A = np.asfortranarray(A)  # or np.array(A, order='F')
A_c1_ref = A[:, 1]
A_c1_ref.strides[0]  # 4 bytes
%timeit A_c1_ref.sum()  # ~12.6 µs vs ~248 µs

Şimdi, toplama işlemini (veya herhangi birini) sütun görünümünde gerçekleştirmek çok daha hızlıdır.

Son olarak, bir diziyi aktarmanın ve satır dilimlemeyi kullanmanın orijinal dizide sütun dilimlemeyi kullanmakla aynı olduğunu not edelim, çünkü transpozisyon sadece orijinal dizinin şeklini ve adımlarını değiştirerek yapılır.

A.T[1,:].strides[0]  # 40000

>>> test
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

>>> ncol = test.shape[1]
>>> ncol
5L

Ardından 2. - 4. sütunu şu şekilde seçebilirsiniz:

>>> test[0:, 1:(ncol - 1)]
array([[1, 2, 3],
       [6, 7, 8]])