Numpy indicizzazione: Ritorna il resto

Question

Un semplice esempio di indicizzazione NumPy:

In: a = numpy.arange(10) 
In: sel_id = numpy.arange(5) 
In: a[sel_id] 
Out: array([0,1,2,3,4]) 

Come faccio a restituire il resto della matrice che non vengono indicizzati da sel_id? Quello che posso pensare è:

In: numpy.array([x for x in a if x not in a[id]]) 
out: array([5,6,7,8,9]) 

C'è un modo più semplice?

Answer 1

Per questo semplice caso 1D, mi piacerebbe davvero utilizzare una maschera booleano:

a = numpy.arange(10) 
include_index = numpy.arange(4) 
include_idx = set(include_index) #Set is more efficient, but doesn't reorder your elements if that is desireable 
mask = numpy.array([(i in include_idx) for i in xrange(len(a))]) 

Ora è possibile ottenere i vostri valori:

included = a[mask] # array([0, 1, 2, 3]) 
excluded = a[~mask] # array([4, 5, 6, 7, 8, 9]) 

Nota che a[mask] non necessariamente produrrà gli stessi cosa come a[include_index] poiché l'ordine di include_index è importante per l'output in tale scenario (dovrebbe essere approssimativamente equivalente a a[sorted(include_index)]). Tuttavia, poiché l'ordine degli elementi esclusi non è ben definito, questo dovrebbe funzionare Ok.

---

EDIT

Un modo migliore per creare la maschera è:

mask = np.zeros(a.shape,dtype=bool) 
mask[include_idx] = True 

(grazie a seberg).

Answer 2

numpy.setdiff1d(a, a[sel_id]) dovrebbe fare il trucco. Non so se c'è qualcosa di più bello di questo.

Answer 3

è più simile a:

a = numpy.array([1, 2, 3, 4, 5, 6, 7, 4]) 
exclude_index = numpy.arange(5) 
include_index = numpy.setdiff1d(numpy.arange(len(a)), exclude_index) 
a[include_index] 
# array([6, 7, 4]) 

# Notice this is a little different from 
numpy.setdiff1d(a, a[exclude_index]) 
# array([6, 7] 

Answer 4

Inoltre, se sono contigui uso della [N:] sintassi per selezionare il resto. Ad esempio, arr [5:] seleziona il quinto all'ultimo elemento dell'array.

Answer 5

È possibile farlo bene con le maschere booleani:

a = numpy.arange(10) 

mask = np.ones(len(a), dtype=bool) # all elements included/True. 
mask[[7,2,8]] = False    # Set unwanted elements to False 

print a[mask] 
# Gives (removing entries 7, 2 and 8): 
[0 1 3 4 5 6 9] 

Addition (tratto da @mgilson). La maschera binaria creata può essere utilizzata in modo appropriato per ripristinare le porzioni originali con a[~mask] tuttavia questo è lo stesso se gli indici originali erano ordinati.

---

EDIT: spostato verso il basso, come ho dovuto capire che vorrei prendere in considerazione np.delete buggy in questo momento (settembre 2012).

È anche possibile utilizzare np.delete, anche se le maschere sono più potenti (e in futuro penso che dovrebbe essere un'opzione OK). Al momento però è più lento di quanto sopra, e creerà risultati imprevisti con indici negativi (o passi quando viene data una fetta).

print np.delete(a, [7,2,8]) 

Answer 6

Supponendo che a è un array 1D, si può solo pop gli elementi che non si desidera dalla lista degli indici:

accept = [i for i in range(a.size) if i not in avoid_list] 
a[accept] 

Si potrebbe anche provare ad usare qualcosa come

accept = sorted(set(range(a.size)) - set(indices_to_discard)) 
a[accept] 

L'idea è di utilizzare l'indicizzazione di fantasia sul complementare dell'insieme di indici che non si desidera.

Answer 7

Lo farei con una maschera booleana ma leggermente diversa. Che ha il vantaggio di lavorare in N-dimensioni, con indici continui o non. L'utilizzo della memoria dipenderà dal fatto che una vista o una copia sia fatta per l'array mascherato e non sono sicuro.

import numpy 
a = numpy.arange(10) 
sel_id = numpy.arange(5) 
mask = numpy.ma.make_mask_none(a.shape) 
mask[sel_id] = True 
answer = numpy.ma.masked_array(a, mask).compressed() 
print answer 
# [5 6 7 8 9]