如何从多维数组中提取一列？答案

【问题标题】：How do you extract a column from a multi-dimensional array?如何从多维数组中提取一列？
【发布时间】：2010-10-28 13:54:18
【问题描述】：

有人知道如何在 Python 中从多维数组中提取一列吗？

【问题讨论】：

标签： python arrays multidimensional-array extraction

【解决方案1】：

可能是您使用的是NumPy array 吗？ Python 有 array 模块，但它不支持多维数组。普通的 Python 列表也是一维的。

但是，如果你有一个像这样的简单二维列表：

A = [[1,2,3,4],
     [5,6,7,8]]

然后你可以像这样提取一列：

def column(matrix, i):
    return [row[i] for row in matrix]

提取第二列（索引 1）：

>>> column(A, 1)
[2, 6]

或者，简单地说：

>>> [row[1] for row in A]
[2, 6]

【讨论】：

这应该是最佳答案。它在指出 NumPy 中的替代方案时回答了所提出的问题。
[row[1] for row in A] 这很优雅。为此投票。

【解决方案2】：

如果你喜欢 map-reduce 风格的 Python，而不是列表推导式，itemgetter 运算符也可以提供帮助！

# tested in 2.4
from operator import itemgetter
def column(matrix,i):
    f = itemgetter(i)
    return map(f,matrix)

M = [range(x,x+5) for x in range(10)]
assert column(M,1) == range(1,11)

【讨论】：

使用 itertools.imap 处理大数据
对于我的用例，itemgetter 方法的运行速度比列表理解方法快约 50 倍。 Python 2.7.2，用例是在具有几百行和几百列的矩阵上进行大量迭代。

【解决方案3】：

>>> import numpy as np
>>> A = np.array([[1,2,3,4],[5,6,7,8]])

>>> A
array([[1, 2, 3, 4],
    [5, 6, 7, 8]])

>>> A[:,2] # returns the third columm
array([3, 7])

另见：“numpy.arange”和“reshape”分配内存

示例：（分配具有矩阵形状（3x4）的数组）

nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)

【讨论】：

花了我 2 个小时才发现 [:,2] 猜猜这个功能不在切片的官方文献中？
逗号是什么意思？
@Phil [row, col]。逗号分隔。
这个答案怎么会有这么多赞？ OP 从未说过这是一个 numpy 数组
用于提取 2 列：A[:,[1,3]] 例如提取第二和第四列

【解决方案4】：

如果你有一个像

这样的数组

a = [[1, 2], [2, 3], [3, 4]]

然后你像这样提取第一列：

[row[0] for row in a]

所以结果是这样的：

[1, 2, 3]

【讨论】：

【解决方案5】：

看看吧！

a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]

它和上面一样，只是它更整洁 zip 可以完成工作，但需要单个数组作为参数，*a 语法将多维数组解压缩为单个数组参数

【讨论】：

上面是什么？请记住，答案的排序方式并不总是相同。
这很干净，但如果性能是一个问题，它可能不是最有效的，因为它正在转置整个矩阵。
仅供参考，这在 python 2 中有效，但在 python 3 中你会得到生成器对象，它当然是不可下标的。
@RishabhAgrahari 无论如何要在 Py3 中做这个 zip？
@WarpDriveEnterprises 是的，您必须将生成器对象转换为列表，然后进行下标。例如：a2 = zip(*a); a2 = list(a2); a2[0]

【解决方案6】：

尽管使用zip(*iterable) 转置嵌套列表，但如果嵌套列表的长度不同，您也可以使用以下内容：

map(None, *[(1,2,3,), (4,5,), (6,)])

结果：

[(1, 4, 6), (2, 5, None), (3, None, None)]

因此第一列是：

map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)

【讨论】：

【解决方案7】：

嗯，有点晚了……

如果性能很重要并且您的数据是矩形的，您也可以将其存储在一维中并通过常规切片访问列，例如...

A = [[1,2,3,4],[5,6,7,8]]     #< assume this 4x2-matrix
B = reduce( operator.add, A ) #< get it one-dimensional

def column1d( matrix, dimX, colIdx ):
  return matrix[colIdx::dimX]

def row1d( matrix, dimX, rowIdx ):
  return matrix[rowIdx:rowIdx+dimX] 

>>> column1d( B, 4, 1 )
[2, 6]
>>> row1d( B, 4, 1 )
[2, 3, 4, 5]

巧妙的是，这真的很快。但是，负索引在这里不起作用！所以你不能通过索引-1访问最后一列或最后一行。

如果您需要负索引，您可以稍微调整访问器功能，例如

def column1d( matrix, dimX, colIdx ):
  return matrix[colIdx % dimX::dimX]

def row1d( matrix, dimX, dimY, rowIdx ):
  rowIdx = (rowIdx % dimY) * dimX
  return matrix[rowIdx:rowIdx+dimX]

【讨论】：

我检查了这个方法，检索列的成本比嵌套 for 循环便宜得多。但是，如果矩阵很大，比如 1000*1000，则将 2d 矩阵减少到 1d 会很昂贵。

【解决方案8】：

另一种使用矩阵的方法

>>> from numpy import matrix
>>> a = [ [1,2,3],[4,5,6],[7,8,9] ]
>>> matrix(a).transpose()[1].getA()[0]
array([2, 5, 8])
>>> matrix(a).transpose()[0].getA()[0]
array([1, 4, 7])

【讨论】：

【解决方案9】：

[matrix[i][column] for i in range(len(matrix))]

【讨论】：

【解决方案10】：

矩阵中的所有列都放入一个新列表中：

N = len(matrix) 
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]

【讨论】：

【解决方案11】：

您也可以使用它：

values = np.array([[1,2,3],[4,5,6]])
values[...,0] # first column
#[1,4]

注意：这不适用于内置数组且未对齐（例如 np.array([[1,2,3],[4,5,6,7]]) ）

【讨论】：

【解决方案12】：

我想你想从数组中提取一列，比如下面的数组

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

现在如果你想获取格式的第三列

D=array[[3],
[7],
[11]]

那你需要先把数组做成矩阵

B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)

现在您可以像在 excel 中一样进行元素计算。

【讨论】：

虽然这对我有很大帮助，但我认为答案可以短得多：1. A = np.array([[1,2,3,4],[5,6,7, 8],[9,10,11,12]]) 2. A[:, 1] >> 数组([ 2, 6, 10])

【解决方案13】：

假设我们有 n X m 矩阵（n 行和 m 列）说 5 行和 4 列

matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]

要在 python 中提取列，我们可以像这样使用列表推导

[ [row[i] for row in matrix] for in range(4) ]

您可以用矩阵的列数替换 4。结果是

[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16,20] ]

【讨论】：

这会创建一个全新的列表吗？

【解决方案14】：

def get_col(arr, col):
    return map(lambda x : x[col], arr)

a = [[1,2,3,4], [5,6,7,8], [9,10,11,12],[13,14,15,16]]

print get_col(a, 3)

Python 中的映射函数是另一种方法。

【讨论】：

【解决方案15】：

如果你想抓取的不仅仅是一列，只需使用 slice：

 a = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
    print(a[:, [1, 2]])
[[2 3]
[5 6]
[8 9]]

【讨论】：

【解决方案16】：

我更喜欢下一个提示：具有名为matrix_a 的矩阵并使用column_number，例如：

import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2

# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]

【讨论】：

【解决方案17】：

>>> x = arange(20).reshape(4,5)
>>> x array([[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14],
        [15, 16, 17, 18, 19]])

如果你想要第二列，你可以使用

>>> x[:, 1]
array([ 1,  6, 11, 16])

【讨论】：

这是使用 numpy 吗？
我在 numpy 之外的 Python3 中找不到任何有关 arange() 的文档。有人吗？
我认为是张量流，@KevinWMatthews

【解决方案18】：

只需使用 transpose()，就可以像获取行一样简单地获取列

matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColumns]

【讨论】：

【解决方案19】：

array = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]

col1 = [val[1] for val in array]
col2 = [val[2] for val in array]
col3 = [val[3] for val in array]
col4 = [val[4] for val in array]
print(col1)
print(col2)
print(col3)
print(col4)

Output:
[1, 5, 9, 13]
[2, 6, 10, 14]
[3, 7, 11, 15]
[4, 8, 12, 16]

【讨论】：

【解决方案20】：

如果你在 Python 中有一个二维数组（不是 numpy），你可以像这样提取所有列，

data = [
['a', 1, 2], 
['b', 3, 4], 
['c', 5, 6]
]

columns = list(zip(*data))

print("column[0] = {}".format(columns[0]))
print("column[1] = {}".format(columns[1]))
print("column[2] = {}".format(columns[2]))

执行此代码将产生，

>>> print("column[0] = {}".format(columns[0]))
column[0] = ('a', 'b', 'c')

>>> print("column[1] = {}".format(columns[1]))
column[1] = (1, 3, 5)

>>> print("column[2] = {}".format(columns[2]))
column[2] = (2, 4, 6)

当然，您可以按索引提取单个列（例如columns[0]）

【讨论】：