programing

인덱스 목록을 사용하여 행당 특정 열 인덱스를 선택하는 NumPy

newstyles 2023. 7. 18. 21:35

인덱스 목록을 사용하여 행당 특정 열 인덱스를 선택하는 NumPy

저는 NumPy 행렬의 행당 특정 열을 선택하는 데 어려움을 겪고 있습니다.

제가 다음과 같은 행렬을 가지고 있다고 가정합니다.X:

[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

저도 있습니다.list호출할 모든 행당 열 인덱스 수Y:

[1, 0, 2]

값을 가져와야 합니다.

[2]
[4]
[9]

대신에list인덱스 포함Y저는 또한 다음과 같은 모양의 행렬을 만들 수 있습니다.X모든 열이 a인 경우bool/int필요한 열인지 여부를 나타내는 0-1 범위의 값입니다.

[0, 1, 0]
[1, 0, 0]
[0, 0, 1]

배열을 반복하고 필요한 열 값을 선택하면 이 작업을 수행할 수 있습니다.그러나 이는 빅 데이터 어레이에서 자주 실행되므로 최대한 빠르게 실행해야 합니다.

그래서 저는 더 나은 해결책이 있는지 궁금했습니다.

부울 배열이 있는 경우 다음과 같이 직접 선택할 수 있습니다.

>>> a = np.array([True, True, True, False, False])
>>> b = np.array([1,2,3,4,5])
>>> b[a]
array([1, 2, 3])

초기 예제와 함께 다음을 수행할 수 있습니다.

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> b = np.array([[False,True,False],[True,False,False],[False,False,True]])
>>> a[b]
array([2, 4, 9])

다음을 추가할 수도 있습니다.arange부울 어레이를 생성하는 방법과 YMMV 코드 모양에 따라 직접 선택할 수 있습니다.

>>> a = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> a[np.arange(len(a)), [1,0,2]]
array([2, 4, 9])

다음과 같은 작업을 수행할 수 있습니다.

In [7]: a = np.array([[1, 2, 3],
   ...: [4, 5, 6],
   ...: [7, 8, 9]])

In [8]: lst = [1, 0, 2]

In [9]: a[np.arange(len(a)), lst]
Out[9]: array([2, 4, 9])

다차원 배열 인덱싱에 대한 자세한 내용은 http://docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-multi-dimensional-arrays 을 참조하십시오. http://docs.scipy.org/doc/numpy/user/basics.indexing.html#indexing-multi-dimensional-arrays

최근.numpy버전이 추가되었습니다.take_along_axis(및put_along_axis이 인덱싱을 깔끔하게 수행합니다.

In [101]: a = np.arange(1,10).reshape(3,3)                                                             
In [102]: b = np.array([1,0,2])                                                                        
In [103]: np.take_along_axis(a, b[:,None], axis=1)                                                     
Out[103]: 
array([[2],
       [4],
       [9]])

다음과 같은 방식으로 작동합니다.

In [104]: a[np.arange(3), b]                                                                           
Out[104]: array([2, 4, 9])

하지만 축 핸들링이 다릅니다.그것은 특히 결과를 적용하는 것을 목표로 합니다.argsort그리고.argmax.

간단한 방법은 다음과 같습니다.

In [1]: a = np.array([[1, 2, 3],
   ...: [4, 5, 6],
   ...: [7, 8, 9]])

In [2]: y = [1, 0, 2]  #list of indices we want to select from matrix 'a'

range(a.shape[0])돌아올 것입니다array([0, 1, 2])

In [3]: a[range(a.shape[0]), y] #we're selecting y indices from every row
Out[3]: array([2, 4, 9])

반복기를 사용하여 수행할 수 있습니다.다음과 같이:

np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)

시간:

N = 1000
X = np.zeros(shape=(N, N))
Y = np.arange(N)

#@Aशwini चhaudhary
%timeit X[np.arange(len(X)), Y]
10000 loops, best of 3: 30.7 us per loop

#mine
%timeit np.fromiter((row[index] for row, index in zip(X, Y)), dtype=int)
1000 loops, best of 3: 1.15 ms per loop

#mine
%timeit np.diag(X.T[Y])
10 loops, best of 3: 20.8 ms per loop

take_along_axis를 사용하는 hpaulj의 답변은 허용된 답변이어야 합니다.

다음은 N-dim 인덱스 배열이 있는 파생 버전입니다.

>>> arr = np.arange(20).reshape((2,2,5))
>>> idx = np.array([[1,0],[2,4]])
>>> np.take_along_axis(arr, idx[...,None], axis=-1)
array([[[ 1],
        [ 5]],

       [[12],
        [19]]])

선택 작업은 모양에 대해 잘 알지 못합니다.이것을 이용해서 가능한 벡터 값을 다듬었습니다.argmax으로부터 결과가 나온histogram포물선을 장착함으로써:

def interpol(arr):
    i = np.argmax(arr, axis=-1)
    a = lambda Δ: np.squeeze(np.take_along_axis(arr, i[...,None]+Δ, axis=-1), axis=-1)
    frac = .5*(a(1) - a(-1)) / (2*a(0) - a(-1) - a(1)) # |frac| < 0.5
    return i + frac

참고:squeeze크기 1의 치수를 제거하여 동일한 모양을 만듭니다.i그리고.frac피크 위치의 정수 및 분수 부분.

저는 그것을 피하는 것이 가능하다고 꽤 확신합니다.lambda그래도 보간 공식이 좋아 보일까요?

또 다른 영리한 방법은 먼저 배열을 전치한 후 색인화하는 것입니다.마지막으로, 대각선을 택하세요, 그것은 항상 옳은 답입니다.

X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
Y = np.array([1, 0, 2, 2])

np.diag(X.T[Y])

단계별:

원본 배열:

>>> X
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])

>>> Y
array([1, 0, 2, 2])

올바른 색인화가 가능하도록 전치합니다.

>>> X.T
array([[ 1,  4,  7, 10],
       [ 2,  5,  8, 11],
       [ 3,  6,  9, 12]])

Y 순서로 행을 가져옵니다.

>>> X.T[Y]
array([[ 2,  5,  8, 11],
       [ 1,  4,  7, 10],
       [ 3,  6,  9, 12],
       [ 3,  6,  9, 12]])

이제 대각선이 명확해집니다.

>>> np.diag(X.T[Y])
array([ 2,  4,  9, 12]

언급URL : https://stackoverflow.com/questions/23435782/numpy-selecting-specific-column-index-per-row-by-using-a-list-of-indexes