如何根据第二个数组的索引选择 numpy 数组的相同列答案

【问题标题】：How to select the same columns of a numpy array based on indices of a second array如何根据第二个数组的索引选择 numpy 数组的相同列
【发布时间】：2017-12-07 18:00:21
【问题描述】：

我需要根据前一个中的选定列过滤数据帧或 numpy 数组，即过滤与第一个数组中的列相同的列。

这是我的方法：

排除零变量（过滤、选择第一个 df 中的列）

df_NN_70 = df_NN_70.loc[:, (df_NN_70 != df_NN_70.ix[0]).any()]

抽样（分离 70% 的数据用作训练/测试集）

df_NN = df_NN_70.sample(frac=0.7, replace=False, weights=None, random_state=seed, axis=None)

在 NN 中使用 keras 转换为数组（它需要数组）

df_NN_array = df_NN.as_matrix(columns=None)

将数据拆分为输入 (X) 和输出 (Y) 变量

X = df_NN_array[:, 0:df_NN_array.shape[1]-1]
Y = df_NN_array[:, 427]

print(type(df_NN_70.columns))
index_list= list(df_NN_70.columns)

index_list = index_list[0:427]
print(index_list)

根据从df_NN_x获取的列列表，一秒过滤相同的列

filter_columns = index_list
df_filtered = np.array(df_NN_x)[filter_columns]
new.shape

但是，此过滤不起作用，因为它将index_list 视为第二个数组df_NN_x 中行的索引，而不是列！

【问题讨论】：

标签： python arrays pandas numpy filtering

【解决方案1】：

需要在数组的第二维进行过滤，例如：

df_filtered = np.array(df_NN_x).ix[:, filter_columns]

或：

df_filtered = np.array(df_NN_x)
df_filtered = df_filtered[df_filtered.columns[filter_columns]]

请注意，第一个版本包含 filter_columns-list 的最后一个元素，第二个不包含。

编辑：我的答案是一个 numpy 数组，将其更新为 pandas。

【讨论】：

谢谢@Nyps。第一行代码使用 pandas df 为我工作。