¿Por qué este trabajo:la comprensión del comportamiento de indexación 2d-matriz booleana raro en numpy
a=np.random.rand(10,20)
x_range=np.arange(10)
y_range=np.arange(20)
a_tmp=a[x_range<5,:]
b=a_tmp[:,np.in1d(y_range,[3,4,8])]
y esto no es así:
a=np.random.rand(10,20)
x_range=np.arange(10)
y_range=np.arange(20)
b=a[x_range<5,np.in1d(y_range,[3,4,8])]
de page on indexing La documentación de referencia Numpy contiene las respuestas, pero requiere un poco de lectura cuidadosa
La respuesta aquí es que la indexación con booleanos es equivalente a la indexación con matrices de enteros obtenidas al transformar primero las matrices booleanas con np.nonzero. Por lo tanto, con matrices booleanas m1, m2
a[m1, m2] == a[m1.nonzero(), m2.nonzero()]
cuales (cuando tiene éxito, es decir, m1.nonzero().shape == m2.nonzero().shape) es equivalente a:
[a[i, i] for i in range(a.shape[0]) if m1[i] and m2[i]]
No estoy seguro de por qué se ha diseñado para funcionar como esto - - por lo general, esto es no lo que desea.
para obtener el resultado más intuitivo, en su lugar puede hacer
a[np.ix_(m1, m2)]
que produce un resultado equivalente a
[[a[i,j] for j in range(a.shape[1]) if m2[j]] for i in range(a.shape[0]) if m1[i]]
Una alternativa a np.ix_ es convertir las matrices booleanas al número entero matrices (usando np.nonzero()), y luego use np.newaxis para crear arreglos de la forma correcta para aprovechar la transmisión.
import numpy as np
a=np.random.rand(10,20)
x_range=np.arange(10)
y_range=np.arange(20)
a_tmp=a[x_range<5,:]
b_correct=a_tmp[:,np.in1d(y_range,[3,4,8])]
m1=(x_range<5).nonzero()[0]
m2=np.in1d(y_range,[3,4,8]).nonzero()
b=a[m1[:,np.newaxis], m2]
assert np.allclose(b,b_correct)
b2=a[np.ix_(x_range<5,np.in1d(y_range,[3,4,8]))]
assert np.allclose(b2,b_correct)
np.ix_ tiende a ser más lento que el doble indexación. La solución de larga duración parece ser un poco más rápido:
de formato largo:
In [83]: %timeit a[(x_range<5).nonzero()[0][:,np.newaxis], (np.in1d(y_range,[3,4,8])).nonzero()[0]]
10000 loops, best of 3: 131 us per loop
doble indexación:
In [85]: %timeit a[x_range<5,:][:,np.in1d(y_range,[3,4,8])]
10000 loops, best of 3: 144 us per loop
usando np.ix_:
In [84]: %timeit a[np.ix_(x_range<5,np.in1d(y_range,[3,4,8]))]
10000 loops, best of 3: 160 us per loop
Nota: Sería una buena idea probar estos tiempos en su máquina ya que las clasificaciones pueden cambiar dependiendo de su versión de Python, numpy o hardware.
Realmente no tiene sentido. Preguntaré en el maillist por qué es así. – tillsten
[scipy.org/Cookbook/Indexing](http://scipy.org/Cookbook/Indexing) p. 14 en la indexación booleana multidimensional dice "mira en las herramientas de matriz enmascarada de numpy ... El enfoque obvio no da la respuesta correcta". (Ese documento está bien escrito, necesita actualización.) – denis
@denis, circa 2013 ese documento lo explica bastante bien. Sin embargo, si googlea numpy indexación lógica, el documento que aparece es http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html y no se explica casi tan bien. – John