使用數組在numpy中操作

Question

經過與R的長時間工作，我返回與Python一起工作，發現數組操作不是很方便。數組不能通過行和列名稱進行索引。我希望有人能夠幫助並告訴我如何以Pythonic的方式處理數組。

我有兩個numpy陣列

a = np.arange(12).reshape(3,4) 
>>> a 
array([[ 0, 1, 2, 3], 
     [ 4, 5, 6, 7], 
     [ 8, 9, 10, 11]]) 

b = np.arange(20).reshape(4,5).T + 10 
>>> b 
array([[10, 15, 20, 25], 
     [11, 16, 21, 26], 
     [12, 17, 22, 27], 
     [13, 18, 23, 28], 
     [14, 19, 24, 29]]) 

和行的名稱每個陣列

a_rownames = ["m1", "m2", "m3"] 
b_rownames = ["m1", "m2", "m1", "m3", "m2"] 

的任務是在陣列b與相應的值從a替換指定列columns_ids的值。兩個數組a和b中列的順序相同。

columns_ids = [False, True, False, True] 

預期的輸出：

array([[10, 1, 20, 3], 
     [11, 5, 21, 7], 
     [12, 1, 22, 3], 
     [13, 9, 23, 11], 
     [14, 5, 24, 7]]) 

如何有效地做到這一點？

Answer 1

如果你放棄了名稱了一下，這是不是太狠：

import numpy 

a = numpy.arange(12).reshape(3,4) 
b = numpy.arange(20).reshape(4,5).T + 10 

b_rows = [0, 1, 0, 2, 1] 
columns_ids = numpy.array([False, True, False, True]) 

b[:, columns_ids] = a[:, columns_ids][b_rows] 

b 
#>>> array([[10, 1, 20, 3], 
#>>>  [11, 5, 21, 7], 
#>>>  [12, 1, 22, 3], 
#>>>  [13, 9, 23, 11], 
#>>>  [14, 5, 24, 7]]) 

如果你真的想要的名稱的外部數組：

a = numpy.arange(12).reshape(3,4) 
b = numpy.arange(20).reshape(4,5).T + 10 

a_rownames = numpy.array(["m1", "m2", "m3"]) 
b_rownames = numpy.array(["m1", "m2", "m1", "m3", "m2"]) 

_, b_rows = numpy.where(a_rownames == b_rownames[:, numpy.newaxis]) 

b[:, columns_ids] = a[:, columns_ids][b_rows] 

b 
#>>> array([[10, 1, 20, 3], 
#>>>  [11, 5, 21, 7], 
#>>>  [12, 1, 22, 3], 
#>>>  [13, 9, 23, 11], 
#>>>  [14, 5, 24, 7]]) 

---

這片神奇有三個步驟：

_, b_rows = numpy.where(a_rownames == b_rownames[:, numpy.newaxis]) 

首先，我們產生兩個垂直陣列：

a_rownames 
#>>> array(['m1', 'm2', 'm3'], 
#>>>  dtype='<U2') 

b_rownames[:, numpy.newaxis] 
#>>> array([['m1'], 
#>>>  ['m2'], 
#>>>  ['m1'], 
#>>>  ['m3'], 
#>>>  ['m2']], 
#>>>  dtype='<U2') 

然後我們==比較會用「廣播」重複這些陣列，直到尺寸匹配：

a_rownames == b_rownames[:, numpy.newaxis] 
#>>> array([[ True, False, False], 
#>>>  [False, True, False], 
#>>>  [ True, False, False], 
#>>>  [False, False, True], 
#>>>  [False, True, False]], dtype=bool) 

numpy.where給xs和ys索引此數組來獲取所有值爲True。我們只對ys感興趣，所以我們忽略了xs。

_, b_rows = numpy.where(a_rownames == b_rownames[:, numpy.newaxis]) 

---

另一片神奇：

b[:, columns_ids] = a[:, columns_ids][b_rows] 

需要知道兩種不同類型的索引：

• 索引與布爾數組濾波器陣列

• 索引整數數組在這些指標

索引像

array[xs] 

或

array[xs, :] 

得到行（他們是由於廣播相同）會給你所有由於上述規則而匹配的索引，在第一個軸上進行過濾。

使用

array[:, ys] 

將在第二軸線進行過濾。

所以我們首先篩選列（第二軸）

b[:, columns_ids] 
#>>> array([[ 1, 3], 
#>>>  [ 5, 7], 
#>>>  [ 1, 3], 
#>>>  [ 9, 11], 
#>>>  [ 5, 7]]) 

a[:, columns_ids] 
#>>> array([[ 1, 3], 
#>>>  [ 5, 7], 
#>>>  [ 9, 11]]) 

然後我們就a（第一軸）過濾行：

a[:, columns_ids][b_rows] 
#>>> array([[ 1, 3], 
#>>>  [ 5, 7], 
#>>>  [ 1, 3], 
#>>>  [ 9, 11], 
#>>>  [ 5, 7]]) 

他們現在是相同的形狀，這樣你就可以做切片分配：

b[:, columns_ids] = a[:, columns_ids][b_rows] 

Answer 2

或者生成一個新的數組而不覆蓋原始在b中：

np.where(column_ids[None,:], a[row_ids], b) 

其中column_ids和row_ids也是數組，如同在另一個答案中一樣。