基于掩码的全局数组子集的numpy生成答案

【问题标题】：Numpy generation of subsets of global array based on mask基于掩码的全局数组子集的numpy生成
【发布时间】：2016-04-28 02:10:47
【问题描述】：

我有兴趣根据使用 numpy 的匹配布尔掩码为特定轴从全局二维数组生成 np.arrays 列表（或 np.array）。我想知道是否可以使用 np.ma.mask() 或类似的...

举个例子可能更好：

number= 10
x = np.linspace(0,number,num=number+1,dtype=int)
B = np.vstack((x%3==0, x%2==0, x%1==0))
X = np.vstack((x//3, x//2, x-1))

list_ = []
for i in range(1,number+1):
    pointer = X[:,i][B[:,i]]
    list_.append(pointer)

print(list_)
[array([0]), array([1, 1]), array([1, 2]), array([2, 3]), array([4]), array([2, 3, 5]), array([6]), array([4, 7]), array([3, 8]), array([5, 9])]

在for循环中，我基本上是根据布尔掩码B提取二维数组X中axis=1上的值。我通过遍历axis=0并选择X[:,i][来实现这一点双]]。我想知道是否可以在没有循环的情况下执行此操作，因为范围可能非常大，并且完全在 numpy 中完成，也许在 np.ma.array(X,mask=B) 上使用 where 语句？

干杯！

【问题讨论】：

标签： python numpy where mask

【解决方案1】：

以下是我将以矢量化方式解决此问题的步骤 -

使用boolean indexing 从X 中选择有效元素。
获取我们看到输入掩码的列索引移动的索引。这将在转置掩码后实现，使用 np.where 并选择第一个输入 arg。
最后，使用这些索引，拆分步骤 1 中获得的有效元素数组。

实现看起来像这样 -

cut_idx = np.unique(np.where(B[:,1:].T)[0],return_index=True)[1]
out_list_ = np.split(X[:,1:].T[B[:,1:].T],cut_idx[1:])

【讨论】：