Python - 如何使用其他 numpy 数组正确索引 numpy 数组，类似于 MATLAB

Question

在使用 MATLAB 多年后，我正在尝试学习 python，这是我真正坚持的东西。我有一个数组，比如 10 x 8。我想在第一列中找到值为 3 的行，并在该行中取列“2：”。我要做的是：

newArray = oldArray[np.asarray(np.where(oldArray[:,0] == 3)), 2:]

但这会创建一个第一维为 1 的 3 维数组，而不是 2 维数组。我正在尝试实现 MATLAB 等效的

newArray = oldArray(find(oldArray(:,1)==3),3:end);

有人对如何做到这一点有任何想法吗？谢谢！

Answer 1

Slice 第一列并与3 比较，为我们提供选择行的掩码。通过索引输入数组的2D 数组的第一个轴/行来选择行后，我们需要选择列（数组的第二个轴）。在您的 MATLAB 代码中，您有 3:end，这将在 NumPy 上转换为 2:。在 MATLAB 中，您需要指定结束索引，而在 NumPy 中则不需要。因此，与 MATLAB 上的 3:end 相比，它简化为 2:。

因此，代码将是 -

oldArray[oldArray[:,0]==3,2:]

示例运行 -

In [352]: a
Out[352]:    |===============>|
array([[1, 0, 4, 2, 0, 1, 3, 2],
       [1, 0, 0, 3, 2, 3, 4, 4],
       [1, 2, 1, 4, 4, 0, 4, 2],
       [0, 2, 0, 3, 2, 2, 1, 2],
       [1, 2, 3, 3, 1, 0, 0, 1],
       [3, 4, 2, 4, 2, 0, 3, 4],  <==
       [3, 1, 1, 0, 0, 1, 2, 0],  <==
       [2, 0, 4, 3, 1, 3, 1, 1],
       [4, 3, 1, 3, 1, 3, 4, 4],
       [2, 0, 2, 0, 3, 1, 1, 1]])

In [353]: a[a[:,0]==3,2:]
Out[353]: 
array([[2, 4, 2, 0, 3, 4],
       [1, 0, 0, 1, 2, 0]])

---

审查您的代码 -

你的代码是 -

In [359]: a[np.asarray(np.where(a[:,0] == 3)), 2:]
Out[359]: 
array([[[2, 4, 2, 0, 3, 4],
        [1, 0, 0, 1, 2, 0]]])

这也可以，但会创建问题中列出的 3D 数组。

剖析它-

In [361]: np.where(a[:,0] == 3)
Out[361]: (array([5, 6]),)

我们看到np.where 是一个数组元组，它们是行索引和列索引。对于1D 的一部分，您不会同时拥有行和列，但是 只有一个索引数组。

在 MATLAB 中，find 为您提供了一个索引数组，因此减少了混淆 -

>> a
a =
     3     4     3     3
     2     5     5     2
     2     2     2     3
     5     3     4     4
     4     3     4     2
     3     2     4     2
>> find(a(:,1)==3)
ans =
     1
     6

因此，要获取这些索引，请从中取出第一个数组 -

In [362]: np.where(a[:,0] == 3)[0]
Out[362]: array([5, 6])

使用它来索引到第一个轴，然后从2 开始对列进行切片-

In [363]: a[np.where(a[:,0] == 3)[0]]
Out[363]: 
array([[3, 4, 2, 4, 2, 0, 3, 4],
       [3, 1, 1, 0, 0, 1, 2, 0]])

In [364]: a[np.where(a[:,0] == 3)[0],2:]
Out[364]: 
array([[2, 4, 2, 0, 3, 4],
       [1, 0, 0, 1, 2, 0]])

这会给你预期的输出。

---

注意事项

使用掩码或整数索引轴时需要小心。

理论上，那里的列索引应该等同于使用[2,3,4,5,6,7] 为a 的8 columns 进行索引。

让我们试试吧-

In [370]: a[a[:,0]==3,[2,3,4,5,6,7]]
....
IndexError: shape mismatch: indexing arrays could ...
     not be broadcast together with shapes (2,) (6,) 

我们正在那里触发 broadcastable 索引。用于索引到两个轴的元素长度不同，不可广播。

让我们验证一下。用于索引到rows 的数组 -

In [374]: a[:,0]==3
Out[374]: array([False, False, False, False, False,  True,  True, False, False, False], dtype=bool)

本质上这是一个由两个元素组成的数组，因为有两个 True elems -

In [375]: np.where(a[:,0]==3)[0]
Out[375]: array([5, 6])

用于索引列的数组是[2,3,4,5,6,7]，其长度为6，因此不能针对行索引进行广播。

为了达到我们想要的选择行 ID 的目标：5,6 并为每一行选择列 ID 2,3,4,5,6,7，我们可以使用可广播的np._ix 创建open meshes，就像这样 -

In [376]: np.ix_(a[:,0]==3, [2,3,4,5,6,7])
Out[376]: 
(array([[5],
        [6]]), array([[2, 3, 4, 5, 6, 7]]))

最后，用所需的 o/p 索引输入数组 -

In [377]: a[np.ix_(a[:,0]==3, [2,3,4,5,6,7])]
Out[377]: 
array([[2, 4, 2, 0, 3, 4],
       [1, 0, 0, 1, 2, 0]])