Numpy：依賴於列的切片

我無法找到任何有關我想做什麼的問題，所以我現在問。基本上，我想在行索引取決於列索引的矩陣中切片。Numpy：依賴於列的切片

例如：

>>> import numpy as np 
>>> x = np.arange(24).reshape(6,4) 
>>> x 
array([[ 0, 1, 2, 3], 
     [ 4, 5, 6, 7], 
     [ 8, 9, 10, 11], 
     [12, 13, 14, 15], 
     [16, 17, 18, 19], 
     [20, 21, 22, 23]])

現在我需要的是：

array([[12, 9, 6, 3], 
     [16, 13, 10, 7], 
     [20, 17, 14, 11]])

所以我列索引的給定的（固定）集。行索引取決於它們。例如：row = col-1:col+1

有沒有一種有效的方法來做到這一點？我知道我可以對每一列中需要的條目進行迭代和切片，但對我來說這似乎效率很低。

來源

2015-01-26 exception1

你可以用'np.diag'和'np.rot90'或者'np.transpose'的組合來建立它。留下這作爲評論，因爲我不知道如何做你要求的確切提取。 – mtrw 2015-01-26 19:14:03

對角線解決方案：'np.array（[x [:: - 1，：]。對角線（i）對於[-2，-1,0]]）'中的i。它確實涉及在輸出的每一行上進行交互，因爲'np.diagonal'不需要列表。 – hpaulj 2015-01-27 01:07:16

您可以使用as_strided做到這一點：

In [1]: from numpy.lib.stride_tricks import as_strided 
In [2]: sz = x.itemsize 
In [3]: d = as_strided(x[-1::-1,:], shape=(3,4), strides=sz*np.array([-4,-3])) 
In [4]: d 
Out[5]: 
array([[20, 17, 14, 11], 
     [16, 13, 10, 7], 
     [12, 9, 6, 3]])

也就是說，從原來的陣列倒置，填補了3x4的陣列與大踏步倒退4項爲第一座標和3所項目第二。

如果你願意，你就可以查看d顛倒：

In [6]: d[-1::-1,:] # or np.flipud(d) 
Out[6]: 
array([[12, 9, 6, 3], 
     [16, 13, 10, 7], 
     [20, 17, 14, 11]])

來源

2015-01-26 20:25:06 xnx

我要在評論中留下一個diagonal基礎的解決方案，但在時間測試中，它被證明是比strided一個快。

In [128]: timeit d = as_strided(x[::-1,:], shape=(3,4), 
    strides=sz*np.array([-4,-3]))[::-1,:] 
10000 loops, best of 3: 44 µs per loop 

In [129]: timeit np.array([x[::-1,:].diagonal(i) for i in [-2,-1,0]]) 
10000 loops, best of 3: 25.9 µs per loop

隨着一個較大的x這可能不會成立。但是diagonal解決方案具有可能更易於理解的優點。

用於(69,40)x，

np.array([x[::-1,:].diagonal(i) for i in range(-(n-1),1)])

產生(30,40)陣列，其包括所有的長度40的反向對角線。

的as_strided的解決方案是：

as_strided(x[::-1,:], shape=(n,m), strides=-sz*np.array([m,m-1]))[::-1,:]

這是不容易弄清楚如何調整值以產生正確的步伐。但速度更快。時間基本上與較小陣列相同，而diagonal方法隨着大小減小。

來源

2015-01-27 01:14:25 hpaulj

Numpy：依賴於列的切片

回答

相關問題