如何从NumPy数组中按行选择元素？

Question

我有一个类似于numpy的数组

dd= [[foo 0.567 0.611]
     [bar 0.469 0.479]
     [noo 0.220 0.269]
     [tar 0.480 0.508]
     [boo 0.324 0.324]]

如何循环数组 选择foo并将0.567 0.611作为浮点数作为单变量。 然后选择bar并将0.469 0.479作为浮点作为单变量。。。。。

我可以使用

dv=  dd[:,1]

“foo”和“bar”元素不是未知变量，它们可以更改。

如果元素位于位置[1]，我将如何更改？

[[0.567 foo2 0.611]
  [0.469 bar2 0.479]
  [0.220 noo2 0.269]
  [0.480 tar2 0.508]
  [0.324 boo2 0.324]]

Answer 1

首先，第一个元素的向量是

dv = dd[:,0]

（python是0索引的）

其次，要遍历数组（例如存储在dict中），您可以编写：

dc = {}
ind = 0 # this corresponds to the column with the names
for row in dd:
    dc[row[ind]] = row[1:]

Answer 2

你已经在你的问题上加上了NumPy标记，所以我假设你想要NumPy语法，这是我之前的答案没有用到的。

如果事实上您希望使用NumPy，那么您可能不需要数组中的字符串，否则您还必须将浮动表示为字符串。

您需要的是按行访问2D数组元素（并排除第一列）的NumPy语法。

语法是：

M[row_index,1:]        # selects all but 1st col from row given by 'row_index'

W/r/t问题中的第二个场景--选择非相邻列：

M[row_index,[0,2]]     # selects 1st & 3rd cols from row given by 'row_index'

问题中的一个小问题是，您只想使用一个字符串作为行索引，因此有必要删除字符串（这样您就可以创建一个二维NumPy浮点数组），用数值行索引替换它们，然后创建一个查找表，用数值行索引映射字符串：

>>> import numpy as NP
>>> # create a look-up table so you can remove the strings from your python nested list,
>>> # which will allow you to represent your data as a 2D NumPy array with dtype=float
>>> keys
      ['foo', 'bar', 'noo', 'tar', 'boo']
>>> values    # 1D index array comprised of one float value for each unique string in 'keys'
      array([0., 1., 2., 3., 4.])
>>> LuT = dict(zip(keys, values))

>>> # add an index to data by inserting 'values' array as first column of the data matrix
>>> A = NP.hstack((vals, A))
>>> A
        NP.array([  [ 0., .567, .611],
                    [ 1., .469, .479],
                    [ 2., .22, .269],
                    [ 3., .48, .508],
                    [ 4., .324, .324] ])

>>> # so now to look up an item, by 'key':
>>> # write a small function to perform the look-ups:
>>> def select_row(key):
        return A[LuT[key],1:]

>>> select_row('foo')
      array([ 0.567,  0.611])

>>> select_row('noo')
      array([ 0.22 ,  0.269])

问题中的第二个场景：如果索引列更改了怎么办？

>>> # e.g., move index to column 1 (as in your Q)
>>> A = NP.roll(A, 1, axis=1)
>>> A
      array([[ 0.611,  1.   ,  0.567],
             [ 0.479,  2.   ,  0.469],
             [ 0.269,  3.   ,  0.22 ],
             [ 0.508,  4.   ,  0.48 ],
             [ 0.324,  5.   ,  0.324]])

>>> # the original function is changed slightly, to select non-adjacent columns:
>>> def select_row2(key):
        return A[LuT[key],[0,2]]

>>> select_row2('foo')
        array([ 0.611,  0.567])