versione più breve di questo NumPy serie indicizzazione

Question

ho il seguente codice in Python (array NumPy o scipy.sparse.matrices), funziona:

X[a,:][:,b] 

Ma non sembra elegante. 'a' e 'b' sono maschere booleane 1-D.

'un' ha la stessa lunghezza X.shape [0] e 'b' ha la stessa lunghezza X.shape [1]

Ho provato X[a,b] ma non funziona.

Quello che sto cercando di realizzare è selezionare righe e colonne particolari allo stesso tempo. Ad esempio, seleziona la riga 0,7,8 quindi da quel risultato seleziona tutte le righe dalla colonna 2,3,4

Come rendere questo più breve ed elegante?

Answer 1

Potreste usare np.ix_ per tale broadcasted indexing, in questo modo -

X[np.ix_(a,b)] 

Anche se questo non ci sarà alcun più corto del codice originale, ma si spera che dovrebbe essere più veloce. Questo perché stiamo evitando l'output intermedio come con il codice originale che ha creato X[a,:] con un'affettazione e quindi un altro slicing X[a,:][:,b] per darci l'output finale.

Inoltre, questo metodo dovrebbe funzionare per a e b sia come int e boolean array.

Esempio corsa

In [141]: X = np.random.randint(0,99,(6,5)) 

In [142]: m,n = X.shape 

In [143]: a = np.in1d(np.arange(m),np.random.randint(0,m,(m))) 

In [144]: b = np.in1d(np.arange(n),np.random.randint(0,n,(n))) 

In [145]: X[a,:][:,b] 
Out[145]: 
array([[17, 81, 64], 
     [87, 16, 54], 
     [98, 22, 11], 
     [26, 54, 64]]) 

In [146]: X[np.ix_(a,b)] 
Out[146]: 
array([[17, 81, 64], 
     [87, 16, 54], 
     [98, 22, 11], 
     [26, 54, 64]]) 

prova Runtime

In [147]: X = np.random.randint(0,99,(600,500)) 

In [148]: m,n = X.shape 

In [149]: a = np.in1d(np.arange(m),np.random.randint(0,m,(m))) 

In [150]: b = np.in1d(np.arange(n),np.random.randint(0,n,(n))) 

In [151]: %timeit X[a,:][:,b] 
1000 loops, best of 3: 1.74 ms per loop 

In [152]: %timeit X[np.ix_(a,b)] 
1000 loops, best of 3: 1.24 ms per loop