Numpy-从数组中切片二维行或列向量

Question

我试图找到一个简单的小技巧，从2d数组中分割行/列并获得一个(col_size x 1)或(1 x row_size)数组。

有没有比每次切片后使用numpy.reshape()更简单的方法？

干杯， 斯蒂芬

Answer 1

使索引成为切片、列表或数组

    X[[0],:]
    X[0:1,4]

但是reshape没有什么问题，除了它需要输入。不慢。[None,:]是一个很好的速记。

使用列表索引可能最短，但它确实会产生一个副本（加号还是减号？）而且速度较慢

对于(100,100)整数数组：

In [487]: timeit x[[50],:]
100000 loops, best of 3: 10.3 µs per loop  # slowest

In [488]: timeit x[50:51,:]
100000 loops, best of 3: 2.24 µs per loop   # slice indexing is fast

In [489]: timeit x[50,:].reshape(1,-1)
100000 loops, best of 3: 3.29 µs per loop  # minimal time penalty

In [490]: timeit x[50,:][None,:]
100000 loops, best of 3: 3.55 µs per loop

In [543]: timeit x[None,50,:]          # **best**
1000000 loops, best of 3: 1.76 µs per loop

复制的一个测试是将数据缓冲区指针与原始指针进行比较。

In [492]: x.__array_interface__['data']
Out[492]: (175920456, False)
In [493]: x[50,:].__array_interface__['data']
Out[493]: (175940456, False)
In [494]: x[[50],:].__array_interface__['data']
Out[494]: (175871672, False)    # different pointer
In [495]: x[50:51,:].__array_interface__['data']
Out[495]: (175940456, False)
In [496]: x[50,:][None,:].__array_interface__['data']
Out[496]: (175940456, False)

Answer 2

这个又好又简单的方法怎么样？

In [73]: arr = (np.arange(5, 25)).reshape(5, 4)

In [74]: arr
Out[74]: 
array([[ 5,  6,  7,  8],
       [ 9, 10, 11, 12],
       [13, 14, 15, 16],
       [17, 18, 19, 20],
       [21, 22, 23, 24]])

# extract column 1 as a column vector
In [79]: col1 = arr[:, [0]]
In [80]: col1.shape
Out[80]: (5, 1)

In [81]: col1
Out[81]: 
array([[ 5],
       [ 9],
       [13],
       [17],
       [21]])


# extract row 1 as a row vector
In [82]: row1 = arr[[0], :]

In [83]: row1.shape
Out[83]: (1, 4)

In [84]: row1
Out[84]: array([[5, 6, 7, 8]])

Answer 3

您可以在一次操作中切片和插入新轴。例如，这里有一个二维数组：

>>> a = np.arange(1, 7).reshape(2, 3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])

要分割单个列（返回形状数组(2, 1)），请使用None作为第三维度进行切片：

>>> a[:, 1, None]
array([[2],
       [5]])

要分割单个行（返回形状数组(1, 3)），请使用None作为第二维度进行切片：

>>> a[0, None, :]
array([[1, 2, 3]])