是否可以在没有 for 循环的情况下不规则地对 np 数组进行切片并对每一行求和？答案

【问题标题】：is it possible to slice a np array irregularly without a for loop and sum each row?是否可以在没有 for 循环的情况下不规则地对 np 数组进行切片并对每一行求和？
【发布时间】：2020-01-13 20:48:22
【问题描述】：

关于切片 numpy 数组的问题。

假设我有一个数组：

A = np.array([1,2,3,4,5,6,7,8,9]).reshape(3,3)

[1 2 3]
[4 5 6]
[7 8 9]

和索引：

idx = [2,2,1]

我想达到每一行的索引值..即第一行[:2]，第二行[:2]，第三行[:1]。我也想对切片进行求和。

我知道我可以通过以下方式实现这一目标：

for i,a in zip(idx,A):
    print(a[:i],sum(a[:i]))

输出：

[1 2] 3
[4 5] 9
[7] 7

无论如何，这可以在没有 for 循环的情况下实现吗？主要重点是做不规则切片，总和只是我想要执行的任意操作。

类似：

A[:,:idx]

只是为了说明我的意思

【问题讨论】：

我认为您的问题需要更多上下文，因为在提供的示例中，您得到的是下三角形，然后水平求和，即结果可能是np.tril(A).sum(1)
这只是一个随机的例子...我想提供一个索引列表（与 A 中的行数相同的长度）并按相应的索引对 A 的每一行进行切片
我更改了索引，所以很明显我不想要三角形

标签： python numpy indexing slice

【解决方案1】：

您可以创建索引矩阵并通过检查索引是否在所需范围内来创建掩码。

idx = np.repeat(np.arange(0,3), 3, 0).reshape(3,3).T
row_limits = np.array([[2], [2], [1]])
mask = idx < row_limits
masked_A = np.multiply(A, mask)
# masked_A outputs:
array([[1, 2, 0],
       [4, 5, 0],
       [7, 0, 0]])

然后将sum 与axis=1 一起应用

masked_A.sum(1)
# outputs: array([3, 9, 7])

【讨论】：