NumPy memilih indeks kolom tertentu per baris dengan menggunakan daftar indeks

Saya berjuang untuk memilih kolom spesifik per baris dari sebuah NumPymatriks.

Misalkan saya memiliki matriks berikut yang akan saya sebut X:

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

Saya juga memiliki listindeks kolom per setiap baris yang akan saya sebut Y:

[1, 0, 2]

Saya perlu mendapatkan nilainya:

[2]
[4]
[9]

Alih-alih a listdengan indeks Y, saya juga dapat menghasilkan matriks dengan bentuk yang sama seperti di Xmana setiap kolom adalah a bool/ intdalam rentang nilai 0-1, yang menunjukkan apakah ini kolom yang diperlukan.

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

Saya tahu ini dapat dilakukan dengan iterasi pada array dan memilih nilai kolom yang saya butuhkan. Namun, ini akan sering dieksekusi pada array data yang besar dan itulah mengapa harus dijalankan secepat mungkin.

Saya jadi bertanya-tanya apakah ada solusi yang lebih baik?

Terima kasih.

Jika Anda memiliki array boolean, Anda dapat melakukan seleksi langsung berdasarkan itu seperti:

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

Untuk mengikuti contoh awal Anda, Anda dapat melakukan hal berikut:

>>> 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])

Anda juga dapat menambahkan arangedan melakukan seleksi langsung, meskipun tergantung pada bagaimana Anda membuat array boolean dan seperti apa kode Anda YMMV.

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

Semoga dapat membantu, beri tahu saya jika Anda memiliki pertanyaan lain.

Anda bisa melakukan sesuatu seperti ini:

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])

Selengkapnya tentang pengindeksan array multi-dimensi: http://docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-multi-dimensional-arrays

Cara sederhana mungkin terlihat seperti:

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]) akan kembali 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])

numpyVersi terbaru telah menambahkan take_along_axis(dan put_along_axis) yang melakukan pengindeksan ini dengan bersih.

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]])

Ini beroperasi dengan cara yang sama seperti:

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

tetapi dengan penanganan sumbu yang berbeda. Ini secara khusus ditujukan untuk menerapkan hasil dari argsortdan argmax.

Anda dapat melakukannya dengan menggunakan iterator. Seperti ini:

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

Waktu:

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

Cara cerdas lainnya adalah dengan terlebih dahulu mengubah urutan array dan mengindeksnya setelahnya. Akhirnya, ambil diagonal, selalu jawaban yang benar.

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])

Selangkah demi selangkah:

Array asli:

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

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

Ubah urutan agar memungkinkan untuk mengindeksnya dengan benar.

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

Dapatkan baris dalam urutan Y.

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

Diagonal sekarang akan menjadi jelas.

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