python – 访问数组的多个元素

概述有没有办法在一个 *** 作中为这些元素的已知行和列获取数组元素？在每一行中,我想访问从col_start到col_end的元素(每行有不同的起始和结束索引).每行的元素数量相同,元素是连续的. 例： [ . . . . | | | . . . . . ][ | | | . . . . . . . . . ][ . . | | | . . . . . . . ][ . . . . . . . . | 有没有办法在一个 *** 作中为这些元素的已知行和列获取数组元素？在每一行中,我想访问从col_start到col_end的元素(每行有不同的起始和结束索引).每行的元素数量相同,元素是连续的.
例：

[ . . . . | | | . . . . . ][ | | | . . . . . . . . . ][ . . | | | . . . . . . . ][ . . . . . . . . | | | . ]

一种解决方案是获取元素的索引(行 – 列对),而不是使用my_array [row_List,col_List].

没有使用for循环有没有其他(更简单)的方法？

解决方法

A = np.arange(40).reshape(4,10)*.1startend = [[2,5],[3,6],[4,7],[5,8]]index_List = [np.arange(v[0],v[1]) + i*A.shape[1]                  for i,v in enumerate(startend)]# [array([2,3,4]),array([13,14,15]),array([24,25,26]),array([35,36,37])]A.flat[index_List]

生产

array([[ 0.2,0.3,0.4],[ 1.3,1.4,1.5],[ 2.4,2.5,2.6],[ 3.5,3.6,3.7]])

这仍然有一个迭代,但它是一个相当基本的列表.
我正在索引扁平的1d版本A. np.take(A,index_List)也可以.

如果行间隔大小不同,我可以使用np.r_来连接它们.这不是绝对必要的,但是在从多个区间和值构建索引时这是一种方便.

A.flat[np.r_[tuple(index_List)]]# array([ 0.2,0.4,1.3,1.5,2.4,2.6,3.5,3.7])

ajcr使用的IDx可以在不选择的情况下使用：

IDx = [np.arange(v[0],v[1]) for i,v in enumerate(startend)]A[np.arange(A.shape[0])[:,None],IDx]

IDx就像我的index_List,除了它不添加行长度.

np.array(IDx)array([[2,4],4,5,6,7]])

由于每个arange具有相同的长度,因此可以在不迭代的情况下生成IDx：

col_start = np.array([2,5])IDx = col_start[:,None] + np.arange(3)

第一个索引是一个列数组,广播以匹配此IDx.

np.arange(A.shape[0])[:,None] array([[0],[1],[2],[3]])

有了这个A和IDx,我得到以下时间：

In [515]: timeit np.choose(IDx,A.T[:,:,None])10000 loops,best of 3: 30.8 µs per loopIn [516]: timeit A[np.arange(A.shape[0])[:,IDx]100000 loops,best of 3: 10.8 µs per loopIn [517]: timeit A.flat[IDx+np.arange(A.shape[0])[:,None]*A.shape[1]]10000 loops,best of 3: 24.9 µs per loop

平面索引更快,但计算发烧友指数需要一些时间.

对于大型阵列,平面索引的速度占主导地位.

A=np.arange(4000).reshape(40,100)*.1col_start=np.arange(20,60)IDx=col_start[:,None]+np.arange(30)In [536]: timeit A[np.arange(A.shape[0])[:,IDx]10000 loops,best of 3: 108 µs per loopIn [537]: timeit A.flat[IDx+np.arange(A.shape[0])[:,best of 3: 59.4 µs per loop

np.choose方法遇到硬编码限制：需要介于2和(32)个数组对象之间(包括).

什么超出IDx？

col_start=np.array([2,8])IDx=col_start[:,None]+np.arange(3)A[np.arange(A.shape[0])[:,IDx]

产生错误,因为最后一个IDx值是10,太大了.

你可以剪辑IDx

IDx=IDx.clip(0,A.shape[1]-1)

在最后一行中生成重复值

[ 3.8,3.9,3.9]

您也可以在编制索引之前填充A.有关更多选项,请参阅np.pad.

np.pad(A,((0,0),(0,2)),'edge')[np.arange(A.shape[0])[:,IDx]

另一种选择是删除越界值.然后,IDx将成为列表(或列表数组)的参差不齐的列表.平面方法可以处理这个问题,但结果不是矩阵.

startend = [[2,[6,9],[8,10]]index_List = [np.arange(v[0],array([14,15,16]),array([26,27,28]),array([38,39])]A.flat[np.r_[tuple(index_List)]]# array([ 0.2,1.6,2.7,2.8,3.8,3.9])

总结

以上是内存溢出为你收集整理的python – 访问数组的多个元素全部内容，希望文章能够帮你解决python – 访问数组的多个元素所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。