การเลือกแถวและคอลัมน์เฉพาะจากอาร์เรย์ NumPy

ฉันบ้าไปแล้วที่พยายามคิดว่าฉันทำอะไรผิดที่นี่

ฉันใช้ NumPy และฉันมีดัชนีแถวเฉพาะและดัชนีคอลัมน์เฉพาะที่ฉันต้องการเลือก นี่คือส่วนสำคัญของปัญหาของฉัน:

import numpy as np

a = np.arange(20).reshape((5,4))
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [ 8,  9, 10, 11],
#        [12, 13, 14, 15],
#        [16, 17, 18, 19]])

# If I select certain rows, it works
print a[[0, 1, 3], :]
# array([[ 0,  1,  2,  3],
#        [ 4,  5,  6,  7],
#        [12, 13, 14, 15]])

# If I select certain rows and a single column, it works
print a[[0, 1, 3], 2]
# array([ 2,  6, 14])

# But if I select certain rows AND certain columns, it fails
print a[[0,1,3], [0,2]]
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# ValueError: shape mismatch: objects cannot be broadcast to a single shape

เหตุใดจึงเกิดขึ้น แน่นอนว่าฉันควรจะสามารถเลือกแถวที่ 1, 2 และ 4 และคอลัมน์ที่ 1 และ 3 ได้หรือไม่? ผลลัพธ์ที่ฉันคาดหวังคือ:

a[[0,1,3], [0,2]] => [[0,  2],
                      [4,  6],
                      [12, 14]]

การจัดทำดัชนีแฟนซีต้องการให้คุณระบุดัชนีทั้งหมดสำหรับแต่ละมิติ คุณกำลังระบุ 3 ดัชนีสำหรับดัชนีแรกและมีเพียง 2 ดัชนีสำหรับดัชนีที่สองจึงเกิดข้อผิดพลาด คุณต้องการทำสิ่งนี้:

>>> a[[[0, 0], [1, 1], [3, 3]], [[0,2], [0,2], [0, 2]]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

แน่นอนว่าเป็นเรื่องยากที่จะเขียนดังนั้นคุณสามารถให้การแพร่ภาพช่วยคุณได้:

>>> a[[[0], [1], [3]], [0, 2]]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

สิ่งนี้ทำได้ง่ายกว่ามากหากคุณทำดัชนีด้วยอาร์เรย์ไม่ใช่รายการ:

>>> row_idx = np.array([0, 1, 3])
>>> col_idx = np.array([0, 2])
>>> a[row_idx[:, None], col_idx]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

ตามที่ Toan แนะนำการแฮ็กง่ายๆคือเลือกแถวก่อนจากนั้นเลือกคอลัมน์ที่อยู่ด้านบน

>>> a[[0,1,3], :]            # Returns the rows you want
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [12, 13, 14, 15]])
>>> a[[0,1,3], :][:, [0,2]]  # Selects the columns you want as well
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

[แก้ไข] วิธีการในตัว: np.ix_

ฉันเพิ่งค้นพบว่า numpy ช่วยให้คุณมีซับในตัวเดียวเพื่อทำตามที่ @Jaime แนะนำ แต่ไม่ต้องใช้ไวยากรณ์การออกอากาศ (ซึ่งทนทุกข์ทรมานจากการขาดความสามารถในการอ่าน) จากเอกสาร:

การใช้ ix_ สามารถสร้างอาร์เรย์ดัชนีที่จะจัดทำดัชนีผลิตภัณฑ์ข้ามได้อย่างรวดเร็ว ส่งกลับอาร์เรย์a[np.ix_([1,3],[2,5])][[a[1,2] a[1,5]], [a[3,2] a[3,5]]]

คุณจึงใช้มันดังนี้:

>>> a = np.arange(20).reshape((5,4))
>>> a[np.ix_([0,1,3], [0,2])]
array([[ 0,  2],
       [ 4,  6],
       [12, 14]])

และวิธีการทำงานก็คือดูแลการจัดตำแหน่งอาร์เรย์ตามที่ Jaime แนะนำเพื่อให้การแพร่ภาพเกิดขึ้นอย่างถูกต้อง:

>>> np.ix_([0,1,3], [0,2])
(array([[0],
        [1],
        [3]]), array([[0, 2]]))

นอกจากนี้ตามที่ MikeC กล่าวในความคิดเห็นnp.ix_มีข้อดีในการส่งคืนมุมมองซึ่งคำตอบแรก (แก้ไขล่วงหน้า) ของฉันไม่ได้คำตอบ ซึ่งหมายความว่าคุณสามารถกำหนดให้กับอาร์เรย์ที่จัดทำดัชนีได้แล้ว:

>>> a[np.ix_([0,1,3], [0,2])] = -1
>>> a    
array([[-1,  1, -1,  3],
       [-1,  5, -1,  7],
       [ 8,  9, 10, 11],
       [-1, 13, -1, 15],
       [16, 17, 18, 19]])

ใช้:

 >>> a[[0,1,3]][:,[0,2]]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])

หรือ:

>>> a[[0,1,3],::2]
array([[ 0,  2],
   [ 4,  6],
   [12, 14]])

การใช้np.ix_เป็นวิธีที่สะดวกที่สุดในการทำ (ตามที่ผู้อื่นตอบ) แต่นี่เป็นอีกวิธีที่น่าสนใจ:

>>> rows = [0, 1, 3]
>>> cols = [0, 2]

>>> a[rows].T[cols].T

array([[ 0,  2],
       [ 4,  6],
       [12, 14]])