ฉันใช้ numpy และต้องการจัดทำดัชนีแถวโดยไม่สูญเสียข้อมูลมิติข้อมูล
import numpy as np
X = np.zeros((100,10))
X.shape # >> (100, 10)
xslice = X[10,:]
xslice.shape # >> (10,)
ในตัวอย่างนี้ xslice ตอนนี้เป็น 1 มิติ แต่ฉันต้องการให้เป็น (1,10) ใน R ฉันจะใช้ X [10,:, drop = F] มีบางอย่างที่คล้ายกันใน numpy ฉันไม่พบในเอกสารและไม่เห็นคำถามที่คล้ายกันนี้ถาม
ขอบคุณ!
คำตอบ:
มันอาจจะง่ายที่สุดในการทำx[None, 10, :]หรือเท่ากัน ( x[np.newaxis, 10, :]แต่อ่านได้มากขึ้น)
ถึงสาเหตุที่มันไม่ใช่ค่าเริ่มต้นโดยส่วนตัวแล้วฉันพบว่าการมีอาร์เรย์ที่มีมิติข้อมูลเดี่ยวอยู่ตลอดเวลาทำให้น่ารำคาญอย่างรวดเร็ว ฉันเดาว่านักพัฒนาจำนวนมากรู้สึกแบบเดียวกัน
นอกจากนี้ numpy ยังจัดการอาร์เรย์กระจายเสียงได้เป็นอย่างดีดังนั้นจึงมีเหตุผลเพียงเล็กน้อยที่จะรักษาขนาดของอาร์เรย์ที่สไลซ์มา หากคุณทำสิ่งต่างๆเช่น:
a = np.zeros((100,100,10))
b = np.zeros(100,10)
a[0,:,:] = b
อาจไม่ได้ผลหรือจะยากกว่ามากในการนำไปใช้
(หรืออย่างน้อยนั่นก็คือการคาดเดาของฉันที่เหตุผลของนักพัฒนาที่เป็นตัวเลขที่อยู่เบื้องหลังการทิ้งข้อมูลมิติเมื่อหั่นบาง ๆ )
Noneถัดจากหรี่ที่คุณกำลังสับ
b; b = np.zeros((100,10))มันควรจะเป็น
X[10,None](ใช้รหัสของคุณเป็นตัวอย่าง)
np.matmul()หรือ@ ) เสียหายอย่างสมบูรณ์ เพิ่งโดนเผานี่
อีกวิธีหนึ่งคือการทำ
X[[10],:]
หรือ
I = array([10])
X[I,:]
มิติข้อมูลของอาร์เรย์จะถูกเก็บรักษาไว้เมื่อทำดัชนีโดยรายการ (หรืออาร์เรย์) ของดัชนี นี่เป็นสิ่งที่ดีเพราะทำให้คุณมีทางเลือกระหว่างการรักษาขนาดและการบีบ
x = np.array([[1,2,3,4]]) ถ้าคุณหั่นมันด้วย x[[0],[1,2]] คุณจะได้รับมิติเดียว array([2, 3]) ความคิดเห็นของฉันคือเมื่อเลือกเวกเตอร์คอลัมน์หรือแถวควรทำให้ชิ้นเรียบง่ายแล้วใช้ np.reshapeดังนั้นในตัวอย่างของฉันมันจะเป็นnp.reshape(x[0,[1,2]],[1,2])
X[[10]]จะถูกตีความว่าX[10]และรูปร่างจะเล็กลง ในทำนองเดียวกันX[[10, 20]] == X[10, 20]และรูปร่างก็เล็กลงด้วย
aรูปร่าง(10, 20, 30)ก็a[0, :, [0]]จะมีรูปร่าง(1, 20)ไม่ใช่(20, 1)เพราะในดัชนีหลังถูกถ่ายทอดa[[0], :, [0]]ซึ่งมักไม่เป็นไปตามที่คุณคาดหวัง! ในขณะที่a[0, :, :1]จะให้คุณ(20, 1)ตามที่คาดหวัง ยิ่งไปกว่านั้นดูความคิดเห็นด้านบนสำหรับเคสขอบแปลก ๆ ที่มีดัชนีเดียว โดยรวมแล้วดูเหมือนว่าวิธีนี้จะมีขอบมากเกินไป
ฉันพบวิธีแก้ปัญหาที่สมเหตุสมผลสองสามข้อ
1) ใช้ numpy.take(X,[10],0)
2) ใช้การสร้างดัชนีที่แปลกประหลาดนี้ X[10:11:, :]
ตามหลักการแล้วควรเป็นค่าเริ่มต้น ฉันไม่เคยเข้าใจว่าทำไมมิติถึงหลุดออกไป แต่นั่นคือการอภิปรายสำหรับ numpy ...
alist[0]และเก็บไว้เมื่อหั่นเป็นชิ้นเล็กชิ้นน้อย
slice(n, n+1)สำหรับการแยกดัชนีn) ควรเป็นคำตอบที่ยอมรับได้เนื่องจากเป็นคำตอบเดียวที่ขยายไปยังกรณี n มิติตามธรรมชาติ
X[10:11, :]ใน Python 3.7.5 (กล่าวคือไม่มีเครื่องหมายจุดคู่พิเศษหลัง 11)
นี่เป็นทางเลือกที่ฉันชอบดีกว่า แทนที่จะสร้างดัชนีด้วยตัวเลขเดียวให้สร้างดัชนีด้วยช่วง X[10:11,:]นั่นคือการใช้ (โปรดทราบว่า10:11ไม่รวม 11)
import numpy as np
X = np.zeros((100,10))
X.shape # >> (100, 10)
xslice = X[10:11,:]
xslice.shape # >> (1,10)
ทำให้ง่ายต่อการเข้าใจด้วยมิติข้อมูลที่มากขึ้นไม่ต้องNoneเล่นกลและหาว่าแกนใดใช้ดัชนีใด นอกจากนี้ยังไม่จำเป็นต้องทำบัญชีเพิ่มเติมเกี่ยวกับขนาดอาร์เรย์i:i+1สำหรับสิ่งiที่คุณเคยใช้ในการจัดทำดัชนีปกติ
b = np.ones((2, 3, 4))
b.shape # >> (2, 3, 4)
b[1:2,:,:].shape # >> (1, 3, 4)
b[:, 2:3, :].shape . # >> (2, 1, 4)
หากต้องการเพิ่มลงในโซลูชันที่เกี่ยวข้องกับการสร้างดัชนีตามรายการหรืออาร์เรย์โดย gnebehay คุณสามารถใช้ tuples:
X[(10,),:]
สิ่งนี้น่ารำคาญอย่างยิ่งหากคุณกำลังสร้างดัชนีโดยอาร์เรย์ที่อาจมีความยาว 1 ในขณะรันไทม์ สำหรับกรณีนั้นมีnp.ix_:
some_array[np.ix_(row_index,column_index)]
x[None, 10]จะทำในสิ่งที่คุณต้องการ