Python - numpy：'维度相关索引'

Question

我正在为以下问题寻求一种优雅（且快速）的解决方案，简化更重的实际情况。答案可能在 numpy 以外的其他地方，我搜索了又搜索了......

所以，假设，我有：

a = np.array([[2,7],
              [3,6],
              [2,8]])

让我们拿一个假数据集：

b = np.random.random((3,10))

数组 a 中的行表示 b 的每一行中感兴趣的子集的较低和较高索引：“从 b 的第一行，我对子集 [2:7] 感兴趣，从第二行我” m 对子集 [3:6] 感兴趣，从第三行和最后一行开始对子集 [2:8] 感兴趣。”

我现在的想法是创建一种掩码数组 c

c = np.array([0,0,1,1,1,1,1,1,0,0],
              [0,0,0,1,1,1,1,0,0,0],
              [0,0,1,1,1,1,1,1,1,0]])

然后我继续工作

d = b*c

而我不感兴趣的元素现在是 0。

• 如何使用 a 中的索引生成 c？
• 您有更好的好主意吗？

正确的掩码数组，np.ix_，扭曲的 np.einsum，我找不到任何用于此目的的东西。当然，重点是避免循环，在我的脚本可见部分的列表中。但最终它甚至可以避免吗？

非常感谢！

Answer 1

您可以使用broadcasting 创建掩码 -

n = b.shape[1]
mask = (np.arange(n) >= a[:,None,0]) & (np.arange(n) <= a[:,None,1])
d = mask*b

示例运行 -

In [252]: a
Out[252]: 
array([[2, 4],
       [3, 6],
       [2, 3]])

In [253]: b
Out[253]: 
array([[908, 867, 917, 649, 758, 950, 692],
       [715, 745, 797, 595, 377, 421, 712],
       [213, 143, 169, 825, 858, 780, 176]])

In [254]: n = b.shape[1]
     ...: mask = (np.arange(n) >= a[:,None,0]) & (np.arange(n) <= a[:,None,1])
     ...: 

In [255]: mask
Out[255]: 
array([[False, False,  True,  True,  True, False, False],
       [False, False, False,  True,  True,  True,  True],
       [False, False,  True,  True, False, False, False]], dtype=bool)

In [256]: mask*b
Out[256]: 
array([[  0,   0, 917, 649, 758,   0,   0],
       [  0,   0,   0, 595, 377, 421, 712],
       [  0,   0, 169, 825,   0,   0,   0]])