Python中二维数组的条件索引

Question

我有一个二维数组，叫做 g，它的样子是这样的：

np.array([
[1 2 3 4], 
[5 6 7 8], 
[9 10 11 12]
])

所以当我用 0 作为索引时，g[0] 会返回第一行，也就是说，索引为 0 时，我得到的是第一行。当我用索引 1 时，我得到的是第二行：

g[1] = [5 6 7 8]

依此类推。

但是我想要返回所有行，前提是 g 的索引不是某个特定的值。比如说，我想返回 g[x]，条件是 x != 1。

我知道如何在一维数组中使用条件索引，但对于二维数组我该怎么做呢？我有点困惑，因为我不是根据值来设置条件，而是需要根据索引本身来设置条件。

Answer 1

unutbu的回答是有效的，但我觉得把计算放在索引里...有点不太好。:/

我会这样做：

rowsidontwant = [1, 3]
listofrows = [ g[i] for i in filter(lambda x: not in rowsidontwant, xrange(len(g))) ]

这样做会更...通用一些。虽然行的列表可能不是你想要的，但在那之后你可以把数据整理成任何你喜欢的形式。

Answer 2

你可以用 np.arange(len(g)) != 1 来创建一个布尔索引，也就是一种用来筛选数据的方法：

In [137]: g
Out[137]: 
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

In [138]: g[np.arange(len(g)) != 1]
Out[138]: 
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])

如果你真的只想去掉一行数据，另外一种方法是用 np.concatenate 把两个基本的切片连接起来：

In [143]: np.concatenate([g[:1], g[2:]])
Out[143]: 
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])

不过对于大数组来说，第一种方法看起来会更快一些：

In [150]: g2 = np.tile(g, (10000,1))

In [153]: %timeit g2[np.arange(len(g)) != 1]
100000 loops, best of 3: 6.9 µs per loop

In [152]: %timeit np.concatenate([g2[:1], g2[2:]])
10000 loops, best of 3: 51.8 µs per loop