交换numpy数组中的列？答案

【问题标题】：Swapping columns in a numpy array?交换numpy数组中的列？
【发布时间】：2011-06-18 23:30:36
【问题描述】：

from numpy import *
def swap_columns(my_array, col1, col2):
    temp = my_array[:,col1]
    my_array[:,col1] = my_array[:,col2]
    my_array[:,col2] = temp

然后

swap_columns(data, 0, 1)

不起作用。但是，直接调用代码

temp = my_array[:,0]
my_array[:,0] = my_array[:,1]
my_array[:,1] = temp

确实。为什么会发生这种情况，我该如何解决？错误说“IndexError：0-d 数组只能使用单个 () 或 newaxes 列表（和单个 ...）作为索引”，这意味着参数不是整数？我已经尝试将 cols 转换为 int 但这并没有解决它。

【问题讨论】：

标签： python numpy

【解决方案1】：

这里有两个问题。首先是您传递给函数的data 显然不是二维 NumPy 数组——至少错误消息是这样说的。

第二个问题是代码没有达到你的预期：

my_array = numpy.arange(9).reshape(3, 3)
# array([[0, 1, 2],
#        [3, 4, 5],
#        [6, 7, 8]])
temp = my_array[:, 0]
my_array[:, 0] = my_array[:, 1]
my_array[:, 1] = temp
# array([[1, 1, 2],
#        [4, 4, 5],
#        [7, 7, 8]])

问题在于 Numpy basic slicing 不会创建实际数据的副本，而是创建相同数据的视图。要完成这项工作，您要么必须明确复制

temp = numpy.copy(my_array[:, 0])
my_array[:, 0] = my_array[:, 1]
my_array[:, 1] = temp

或使用advanced slicing

my_array[:,[0, 1]] = my_array[:,[1, 0]]

【讨论】：

高级切片似乎也不会复制数据。
@MateenUlhaq 请放心，确实如此。请参阅链接文档，或自行尝试。

【解决方案2】：

我发现以下最快：

my_array[:, 0], my_array[:, 1] = my_array[:, 1], my_array[:, 0].copy()

时间分析：

import numpy as np
my_array = np.arange(900).reshape(30, 30)

如下：

%timeit my_array[:, 0], my_array[:, 1] = my_array[:, 1], my_array[:, 0].copy()
The slowest run took 15.05 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 1.72 µs per loop

高级切片时间为：

%timeit my_array[:,[0, 1]] = my_array[:,[1, 0]]
The slowest run took 7.38 times longer than the fastest. This could mean that an intermediate result is being cached 
100000 loops, best of 3: 6.9 µs per loop

【讨论】：

赞成 copy() 部分，我的代码中缺少这个。

【解决方案3】：

以@Sven 的回答为基础：

import numpy as np
my_array = np.arange(9).reshape(3, 3)
print my_array

[[0 1 2]
 [3 4 5]
 [6 7 8]]

def swap_cols(arr, frm, to):
    arr[:,[frm, to]] = arr[:,[to, frm]]

swap_cols(my_array, 0, 1)
print my_array

[[1 0 2]
 [4 3 5]
 [7 6 8]]

def swap_rows(arr, frm, to):
    arr[[frm, to],:] = arr[[to, frm],:]

my_array = np.arange(9).reshape(3, 3)
swap_rows(my_array, 0, 2)
print my_array

[[6 7 8]
 [3 4 5]
 [0 1 2]]

【讨论】：

【解决方案4】：

在 NumPy 中交换列的一种优雅方式类似于交换两个变量在 Python 中像这样：x, y = y, x.

i, j = 0, 1
A.T[[i, j]] = A.T[[j, i]]  # swap the columns i and j

假设你有一个像这样的 numpy 数组 A：

array([[ 0., -1.,  0.,  0.],
       [ 0.,  1.,  1.,  1.],
       [ 0.,  0., -1.,  0.],
       [ 0.,  0.,  0., -1.]])

A.T[[0, 1]] = A.T[[1, 0]] 将交换前两列：

array([[-1.,  0.,  0.,  0.],
       [ 1.,  0.,  1.,  1.],
       [ 0.,  0., -1.,  0.],
       [ 0.,  0.,  0., -1.]])

【讨论】：

确实非常优雅和聪明。谢谢。

【解决方案5】：

如果您想同时交换列并分配给一个新变量，我能想到的最简洁明了的方法是：

import numpy as np
test_arr = np.arange(12).reshape(4,3)
swapped = np.concatenate((test_arr[:, [1,0]], test_arr[:, 2:]), axis=1)

注意，如果其他列不存在，它将连接一个空数组，这意味着它只会交换前两列。

【讨论】：