从另一个二维数组中提取具有索引的二维数组的元素答案

【问题标题】：Extract elements of a 2d array with indices from another 2d array从另一个二维数组中提取具有索引的二维数组的元素
【发布时间】：2014-08-13 12:16:00
【问题描述】：

我有一个 2d numpy 数组：data.shape==(n,8) 和另一个 ind.shape=(n,4)。 ind 数组与 data 长度相同，并且包含像 [4,3,0,6] 这样的索引。如何创建另一个 shape==(n,4) 的数组，其中包含由 ind 的索引指定的数据中的元素？我的实际数组很长（形状[0]），所以循环很慢。一定有比循环更好的方法吗？

import numpy as np
# Example data
data = np.array([[ 0.44180102, -0.05941365,  2.1482739 , -0.56875081, -1.45400572,
        -1.44391254, -0.33710766, -0.44214518],
       [ 0.79506417, -2.46156966, -0.09929341, -1.07347179,  1.03986533,
        -0.45745476,  0.58853107, -1.08565425],
       [ 1.40348682, -1.43396403,  0.8267174 , -1.54812358, -1.05854445,
         0.15789466, -0.0666025 ,  0.29058816]])
ind = np.array([[3, 4, 1, 5],
                [4, 7, 0, 1],
                [5, 1, 3, 6]])

# This is the part I want to vectorize:
out = np.zeros(ind.shape)
for i in range(ind.shape[0]):
    out[i,:] = data[i,ind[i,:]]

# This should be good
assert np.all(out == np.array([[-0.56875081, -1.45400572, -0.05941365, -1.44391254],
                        [ 1.03986533, -1.08565425,  0.79506417, -2.46156966],
                        [ 0.15789466, -1.43396403, -1.54812358, -0.0666025 ]]))

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

如果我们索引到 raveled data 数组，这很容易做到：

out = data.ravel()[ind.ravel() + np.repeat(range(0, 8*ind.shape[0], 8), ind.shape[1])].reshape(ind.shape)

说明

如果分成三个步骤可能更容易理解：

indices = ind.ravel() + np.repeat(range(0, 8*ind.shape[0], 8), ind.shape[1])
out = data.ravel()[indices]
out = out.reshape(ind.shape)

ind 包含我们想要的来自data 的元素的信息。不幸的是，它以二维指数表示。上面的第一行将这些转换为一维解压的data 的indices。上面的第二行从 raveled 数组data 中选择这些元素。第三行将二维形状恢复为out。 ind 表示的二维索引转换为 indindices 具有索引

【讨论】：

【解决方案2】：

你想要的是这样的：

import numpy as np
data = np.array([[ 0.4, -0.1,  2.1, -0.6, -1.5, -1.4, -0.3, -0.4],
                 [ 0.8, -2.5, -0.1, -1.1,  1. , -0.5,  0.6, -1.1],
                 [ 1.4, -1.4,  0.8, -1.5, -1.1,  0.2, -0.1,  0.3]])
expected = np.array([[-0.6, -1.5, -0.1, -1.4],
                     [ 1. , -1.1,  0.8, -2.5],
                     [ 0.2, -1.4, -1.5, -0.1]])

indI = np.array([[0, 0, 0, 0],
                 [1, 1, 1, 1],
                 [2, 2, 2, 2]])
indJ = np.array([[3, 4, 1, 5],
                 [4, 7, 0, 1],
                 [5, 1, 3, 6]])
out = data[indI, indJ]
assert np.all(out == expected)

注意indI 和indJ 的形状相同，而且

out[i, j] == data[indI[i, j], indJ[i, j]]

对于所有i 和j。

您可能已经注意到indI 非常重复。由于 numpy 的 broadcasting 魔法，您可以简单地将 indI 发送到：

indI = np.array([[0],
                 [1],
                 [2]])

您可以通过几种不同的方式构建这种indI 数组，这是我最喜欢的：

a, b = indJ.shape
indI, _ = np.ogrid[:a, :0]
out = data[indI, indJ]

【讨论】：