非对称切片 python答案

【问题标题】：Asymmetric slicing python非对称切片 python
【发布时间】：2023-03-14 16:45:01
【问题描述】：

考虑以下矩阵：

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

假设我想对以下数组进行子集化

array([[0, 4, 2],
       [3, 7, 5]])

可以对行和列进行一些索引，例如

col=[0,1,2] 
row = [[0,1],[1,2],[0,1]]

如果我将结果存储在一个变量数组中，我可以使用以下代码：

array=np.zeros([2,3],dtype='int64')
for i in range(3):
    array[:,i]=X[row[i],col[i]]

有没有办法广播这种操作？我必须将其作为 5 Gb 大文件的数据清理阶段，我想使用 dask 来并行化它。但如果我第一次可以避免使用 for 循环，我会感觉很棒。

【问题讨论】：

标签： python numpy vectorization slice dask

【解决方案1】：

对于带有NumPy's advanced-indexing 的数组，它将是 -

X[row, np.asarray(col)[:,None]].T

示例运行 -

In [9]: X
Out[9]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [10]: col=[0,1,2] 
    ...: row = [[0,1],[1,2],[0,1]]

In [11]: X[row, np.asarray(col)[:,None]].T
Out[11]: 
array([[0, 4, 2],
       [3, 7, 5]])

【讨论】：

谢谢，这正是我想要的。
是否可以使用 numpy.take 进行相同的操作？我问这个是因为 dask 数组不支持这种花哨的索引，但实现了一个类似于 numpy.take 的函数。
@jmamath 你可以这样做：np.take(X, row*X.shape[1] + col[:,None]) for row 和 col 作为数组。