我有一个特征矩阵，它是二维的，例如：
122 443 544 456 0.9
324 435 5465 645 0.8
32 434 545 546 0.778
435 546 6565 656 0.6878
546 6565 656 3453 54 0.7788
5456 546 545 6565 3434 0.244
435 5456 656 656 6565 0.445
.....
当最后一列的值大于 0.3 时，我想选择所有行（或取出它的行索引）。
我知道我可以通过迭代所有行并判断最后一个元素来做到这一点，但我可能有 10000 行，这样做，迭代会很慢。
有没有更好的方法来做到这一点？
【问题讨论】：
相关行的选择可以在一行中完成，通过将最后一列中所有元素的比较结果存储到布尔数组中，该数组可以转换为 VectorXi。
VectorXi is_selected = (mat.col(last_col).array() > 0.3).cast<int>();
然后可以使用此信息来准备一个仅包含选定行的新矩阵。使用此方法的完整代码如下所示。
#include <Eigen/Dense>
#include <iostream>
using namespace Eigen;
int main() {
const int nr = 10;
const int nc = 5;
MatrixXd mat = MatrixXd::Random(nr,nc);
std::cout << "original:\n" << mat << std::endl;
int last_col = mat.cols() - 1;
VectorXi is_selected = (mat.col(last_col).array() > 0.3).cast<int>();
MatrixXd mat_sel(is_selected.sum(), mat.cols());
int rownew = 0;
for (int i = 0; i < mat.rows(); ++i) {
if (is_selected[i]) {
mat_sel.row(rownew) = mat.row(i);
rownew++;
}
}
std::cout << "selected:\n" << mat_sel << std::endl;
}
演示：https://godbolt.org/z/f0_fC0
编辑：使用新功能（Eigen 3.4 或 3.3.90 开发分支）
Eigen 的开发分支提供了 MatrixX 构造函数的新重载，允许给定矩阵的直接子集。
MatrixXd mat_sel = mat(keep_rows, keep_cols);
应保留的列和行存储在Eigen::VectorXi 或std::vector<int> 中：
#include <Eigen/Dense>
#include <iostream>
#include <vector>
using namespace Eigen;
int main() {
MatrixXd mat = MatrixXd::Random(10,5);
std::cout << "original:\n" << mat << std::endl;
std::vector<int> keep_rows;
for (int i = 0; i < mat.rows(); ++i) {
if (mat(i,mat.cols() - 1) > 0.3) {
keep_rows.push_back(i);
}
}
VectorXi keep_cols = VectorXi::LinSpaced(mat.cols(), 0, mat.cols());
MatrixXd mat_sel = mat(keep_rows, keep_cols);
std::cout << "selected:\n" << mat_sel << std::endl;
}
【讨论】：
a(Eigen::all, indcies) 可以做到这一点，但默认特征是 3.35 没有 Eigen::all
if(mat(i,last_col) > 0.3) 而不是if(is_selected[i]) 即时选择行，即不预先存储is_selected 向量。这基本上就是@ignacio 所建议的。但是在循环开始时我们不知道会选择多少行，并且由于没有row_push_back()方法，所以最后需要额外的操作来调整矩阵的大小mat_sel .
mat_sel 直接构造为mat 的子集。我认为这比第一部分中显示的循环要快得多。
您可以尝试使用列而不是行并将最后一列与 0.3 的向量 [n x 1] 进行比较
【讨论】：