我已经在这里研究了文档和其他问题,但似乎我还没有掌握在numpy数组中设置子集的诀窍。
我有一个numpy数组,为了便于讨论,让它定义如下:
import numpy as np
a = np.arange(100)
a.shape = (10,10)
# array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
# [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
# [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
# [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
# [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
# [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
# [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
# [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
# [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
# [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
现在我想选择由向量n1
和n2
指定的a
的行和列。举个例子:
n1 = range(5)
n2 = range(5)
但是当我使用的时候:
b = a[n1,n2]
# array([ 0, 11, 22, 33, 44])
然后只选择第一个第五对角线元素,而不是整个5x5块。我找到的解决方案是这样做:
b = a[n1,:]
b = b[:,n2]
# array([[ 0, 1, 2, 3, 4],
# [10, 11, 12, 13, 14],
# [20, 21, 22, 23, 24],
# [30, 31, 32, 33, 34],
# [40, 41, 42, 43, 44]])
但我相信应该有一种方法可以在一个命令中完成这个简单的任务。
发布于 2015-06-18 22:17:12
构建所需索引的另一种快速方法是使用np.ix_
函数:
>>> a[np.ix_(n1, n2)]
array([[ 0, 1, 2, 3, 4],
[10, 11, 12, 13, 14],
[20, 21, 22, 23, 24],
[30, 31, 32, 33, 34],
[40, 41, 42, 43, 44]])
这提供了一种从索引序列构建开放网格的便捷方法。
发布于 2021-04-11 21:43:23
我想出了一个很好的技巧(仅适用于懒惰的人)是过滤器+转置+过滤器。
a = np.arange(100).reshape(10,10)
subsetA = [1,3,5,7]
a[subsetA].T[subsetA]
array([[11, 31, 51, 71],
[13, 33, 53, 73],
[15, 35, 55, 75],
[17, 37, 57, 77]])
发布于 2016-10-12 22:34:42
似乎您的特定问题的一个用例将处理图像处理。在使用示例编辑从图像产生的numpy数组的情况下,可以使用Python成像库(PIL)。
# Import Pillow:
from PIL import Image
# Load the original image:
img = Image.open("flowers.jpg")
# Crop the image
img2 = img.crop((0, 0, 5, 5))
img2对象是结果裁剪图像的numpy数组。
你可以在这里阅读更多关于图像操作的Pillow package ( PIL包上的一个用户友好的分支):
https://stackoverflow.com/questions/30917753
复制相似问题