Numpy - 从数组中切片二维行或列向量答案

【问题标题】：Numpy - slicing 2d row or column vector from arrayNumpy - 从数组中切片二维行或列向量
【发布时间】：2015-12-22 05:23:48
【问题描述】：

我正在尝试找到一个巧妙的小技巧，用于从二维数组中分割行/列并获得 (col_size x 1) 或 (1 x row_size) 的数组。

有没有比在每次切片后使用numpy.reshape() 更简单的方法？

干杯，斯蒂芬

【问题讨论】：

你能提供一个预期输入和输出的例子吗？你要获取一维数组还是二维数组？
当然！假设我有一个像np.ones((2,40)) 这样的数组。我想从这个数组中以np.array((1,40)) 的形式切片一整行。结果应该是一个二维数组
使用 np.newaxis 或 None 插入新轴

标签： python arrays numpy slice reshape

【解决方案1】：

您可以在一次操作中切片和插入新轴。例如，这是一个二维数组：

>>> a = np.arange(1, 7).reshape(2, 3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])

要切出单个列（返回形状为(2, 1) 的数组），以None 作为第三维进行切片：

>>> a[:, 1, None]
array([[2],
       [5]])

要切出单个行（返回形状为(1, 3) 的数组），以None 作为第二维进行切片：

>>> a[0, None, :]
array([[1, 2, 3]])

【讨论】：

非常感谢！正是我需要的！ Numpy 真的很棒而且速度很快，但不是很直观，至少对我来说是这样。
没问题！索引/重塑需要一段时间才能理解（至少对我来说是这样），但经过一些练习后才有意义。 docs 非常适合解释这里发生的事情（基本切片部分）。
奇怪的是，我从未想过将索引与 None 添加相结合。我想这只是习惯的力量，使用None 来扩展现有数组的维度。而且速度更快。

【解决方案2】：

将索引设为切片、列表或数组

    X[[0],:]
    X[0:1,4]

但是reshape 除了需要输入之外没有任何问题。它并不慢。 [None,:] 是一个很好的缩写。

使用列表索引可能是最短的，但它确实会产生一个副本（加号还是减号？）并且速度较慢

对于(100,100)整数数组：

In [487]: timeit x[[50],:]
100000 loops, best of 3: 10.3 µs per loop  # slowest

In [488]: timeit x[50:51,:]
100000 loops, best of 3: 2.24 µs per loop   # slice indexing is fast

In [489]: timeit x[50,:].reshape(1,-1)
100000 loops, best of 3: 3.29 µs per loop  # minimal time penalty

In [490]: timeit x[50,:][None,:]
100000 loops, best of 3: 3.55 µs per loop

In [543]: timeit x[None,50,:]          # **best**
1000000 loops, best of 3: 1.76 µs per loop

复制的一个测试是将数据缓冲区指针与原始指针进行比较。

In [492]: x.__array_interface__['data']
Out[492]: (175920456, False)
In [493]: x[50,:].__array_interface__['data']
Out[493]: (175940456, False)
In [494]: x[[50],:].__array_interface__['data']
Out[494]: (175871672, False)    # different pointer
In [495]: x[50:51,:].__array_interface__['data']
Out[495]: (175940456, False)
In [496]: x[50,:][None,:].__array_interface__['data']
Out[496]: (175940456, False)

【讨论】：

问题是我正在实现一个可扩展的神经网络，在层大小方面是可扩展的。使用reshape，我不得不经常访问不同的实例属性（例如层大小）。终于做对了：当我使用a[0, None, :] 从array a 中切出一行时，它会返回一个副本吗？
[0, None, :] 返回一个视图。

【解决方案3】：

这个又好又简单的方法怎么样？

In [73]: arr = (np.arange(5, 25)).reshape(5, 4)

In [74]: arr
Out[74]: 
array([[ 5,  6,  7,  8],
       [ 9, 10, 11, 12],
       [13, 14, 15, 16],
       [17, 18, 19, 20],
       [21, 22, 23, 24]])

# extract column 1 as a column vector
In [79]: col1 = arr[:, [0]]
In [80]: col1.shape
Out[80]: (5, 1)

In [81]: col1
Out[81]: 
array([[ 5],
       [ 9],
       [13],
       [17],
       [21]])


# extract row 1 as a row vector
In [82]: row1 = arr[[0], :]

In [83]: row1.shape
Out[83]: (1, 4)

In [84]: row1
Out[84]: array([[5, 6, 7, 8]])

【讨论】：

感谢您干净而详细的回答！但是你有没有注意到这个问题已经超过两年了？干杯:)
@neurotronix 我才意识到这一点。无论如何，出于教学原因，时间并不重要；）
非常正确，感谢您抽出宝贵时间提供答案！