到np.ix_
的替代方法是布爾數組整數數組轉換結果(使用np.nonzero()
),然後使用np.newaxis
創建正確形狀的陣列以利用廣播。
import numpy as np
a=np.random.rand(10,20)
x_range=np.arange(10)
y_range=np.arange(20)
a_tmp=a[x_range<5,:]
b_correct=a_tmp[:,np.in1d(y_range,[3,4,8])]
m1=(x_range<5).nonzero()[0]
m2=np.in1d(y_range,[3,4,8]).nonzero()
b=a[m1[:,np.newaxis], m2]
assert np.allclose(b,b_correct)
b2=a[np.ix_(x_range<5,np.in1d(y_range,[3,4,8]))]
assert np.allclose(b2,b_correct)
np.ix_
往往比雙重索引慢。 長形式解看來是快一點:
長式:使用np.ix_
In [85]: %timeit a[x_range<5,:][:,np.in1d(y_range,[3,4,8])]
10000 loops, best of 3: 144 us per loop
:
In [83]: %timeit a[(x_range<5).nonzero()[0][:,np.newaxis], (np.in1d(y_range,[3,4,8])).nonzero()[0]]
10000 loops, best of 3: 131 us per loop
雙索引
In [84]: %timeit a[np.ix_(x_range<5,np.in1d(y_range,[3,4,8]))]
10000 loops, best of 3: 160 us per loop
注:這將是測試你的機器上的這些時間以來的排名可能會根據你的Python,numpy的,還是硬件的版本中改變一個好主意。
這真的沒有意義。我會問在maillist爲什麼這樣。 – tillsten
[scipy.org/Cookbook/Indexing](http://scipy.org/Cookbook/Indexing)p。關於多維布爾索引的14說:「看看numpy的蒙面數組工具......顯而易見的方法並不能給出正確的答案。」 (該文件寫得很好,需要更新。) – denis
@denis,大約在2013年,該文件解釋得相當好。但是,如果您使用Google numpy邏輯索引,那麼出現的文檔是http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html,這一點也沒有解釋清楚。 – John