Numpy - cắt 2d hàng hoặc cột vector từ mảng

Question

Tôi đang cố gắng tìm một mẹo nhỏ gọn gàng để cắt một hàng/cột từ mảng 2d và có được một mảng (col_size x 1) hoặc (1 x row_size).

Có cách nào dễ hơn sử dụng numpy.reshape() sau mỗi lần cắt không?

Chúc mừng, Stephan

Answer 1

Bạn có thể cắt và chèn một trục mới trong một hoạt động đơn lẻ. Ví dụ, đây là một mảng 2D:

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

Để phân loại ra một đơn cột (trở về mảng hình dạng (2, 1)), lát với None như không gian thứ ba:

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

Để phân loại ra một đơn hàng (trả về mảng có hình dạng (1, 3)), cắt với None làm thứ nguyên thứ hai:

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

Answer 2

Hãy chỉ số một lát, danh sách hoặc mảng

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

Nhưng không có gì sai với reshape khác so với thực tế là nó đòi hỏi gõ là. Nó không chậm. [None,:] là một bàn tay ngắn đẹp cho nó.

Sử dụng một chỉ số danh sách có thể là ngắn nhất, nhưng nó tạo ra một bản sao (một cộng hoặc trừ?) Và chậm

Đối (100,100) nguyên mảng:

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 

Một thử nghiệm cho bản sao là so sánh con trỏ bộ đệm dữ liệu với bản gốc.

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) 

Answer 3

Cách tốt đẹp và dễ dàng này?

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]])