使用 Pythonic 向量化代码在 2D numpy 数组中索引不同大小的范围

Question

我有一个 numpy 二维数组，我想根据列索引选择该数组的不同大小范围。这是输入数组a = np.reshape(np.array(range(15)), (5, 3))示例

[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]
 [12 13 14]]

然后，listb = [4,3,1]确定每个列切片的不同范围大小，以便我们得到数组

[0 3 6 9]
[1 4 7]
[2]

我们可以连接和展平以获得最终所需的输出

[0 3 6 9 1 4 7 2]

目前，要执行此任务，我正在使用以下代码

slices = []
for i in range(a.shape[1]):
    slices.append(a[:b[i],i])

c = np.concatenate(slices)

并且，如果可能，我想将其转换为 pythonic 格式。

奖励：同样的问题，但现在考虑b确定行切片而不是列。

Answer 1

我们可以用来broadcasting生成适当的掩码，然后masking完成工作 -

In [150]: a
Out[150]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14]])

In [151]: b
Out[151]: [4, 3, 1]

In [152]: mask = np.arange(len(a))[:,None] < b

In [153]: a.T[mask.T]
Out[153]: array([0, 3, 6, 9, 1, 4, 7, 2])

另一种掩蔽方法是 -

In [156]: a.T[np.greater.outer(b, np.arange(len(a)))]
Out[156]: array([0, 3, 6, 9, 1, 4, 7, 2])

奖励：每行切片

如果我们需要根据块大小对每行进行切片，我们需要修改一些东西 -

In [51]: a
Out[51]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

# slice lengths per row
In [52]: b
Out[52]: [4, 3, 1]

# Usual loop based solution :
In [53]: np.concatenate([a[i,:b_i] for i,b_i in enumerate(b)])
Out[53]: array([ 0,  1,  2,  3,  5,  6,  7, 10])

# Vectorized mask based solution :
In [54]: a[np.greater.outer(b, np.arange(a.shape[1]))]
Out[54]: array([ 0,  1,  2,  3,  5,  6,  7, 10])