使用列表或数组的数组访问一维数组

Question

我有标签的一维数组。索引为 i 的对象具有标签 label[i]。我还有一个数组或列表数组，其中有我想访问的标签索引。 例如：

labels = np.array([2, 0, 3, 3, 0, 0, 0, 0, 0, 0])
duplicates = np.array(np.array([0,3]), np.array([3,0]), np.array([6,7,8]))

我想访问标签的元素，所以输出看起来像这样：

labels_duplicates = np.array(np.array([2,3]), np.array([3,2]), np.array([0,0,0]))

实现这一目标的最佳方法是什么（最好不使用 for 循环）？

我想要实现的目标：我有一组中心索引（重复）。我必须检查这些中心的标签是否匹配。如果他们这样做，中心将合并为一个中心。如果有比上述更好的解决方案，我会很高兴听到。

Answer 1

首先让我们专注于做（不要担心“循环”）：

In [82]: duplicates = [np.array([0,3]), np.array([3,0]), np.array([6,7,8])]

In [83]: [labels[x] for x in duplicates]
Out[83]: [array([2, 3]), array([3, 2]), array([0, 0, 0])]

我将duplicates 设为列表，而不是数组。 dtype 对象的一维数组只不过是一个列表。 （但两者都适用）

(np.concatenate(duplicates) 解决方案移至末尾)

只要您的 duplicates 元素的长度不同，就没有办法（我能想到的）避免“循环”，即对这些元素进行迭代。这就是numpy 索引的本质。二维操作本质上是“矩形的”。如果有一个函数直接执行它，它可能隐藏了一个循环。

---

如果只有少数duplicates 更长，并且您不介意丢失“额外”值，则可以剪掉它们：

labels[np.array([x[:2] for x in duplicates])]

array([[2, 3],
       [3, 2],
       [0, 0]])

同样，您可以将每个 duplicate 扩展为相同的长度。有一个通用的np.pad 函数，但它可能提供比您需要的更多的选项。

对于填充，目标长度需要理解，就像填充本身一样。 np.pad 可用于复制最后一个值。另一种选择是一些默认或虚拟索引（例如0）。

mlen = max([len(x) for x in duplicates])
padded_dups = [np.pad(x,(0,mlen-len(x)),'edge') for x in duplicates]
labels[np.array(padded_dup)]

array([[2, 3, 3],
       [3, 2, 2],
       [0, 0, 0]])

---

duplicates 应该是列表还是对象数组？可能没多大关系。

[labels[x] for x in np.array(duplicates)]

有效。正如您所注意到的，np.array(duplicates)-1 有效，而列表需要[x-1 for x in duplicates]。

在初步计时中，两个减法大约花费相同的时间，这意味着对象数组减法正在执行等效的列表推导。

这样的数组有时表现得像一个列表，而在其他情况下又像一个二维数组。这是一个正在发展的领域，因此您必须逐个尝试。

array([array([0, 3]), array([3, 0]), array([6, 7, 8])], dtype=object)

---

之前我展示了您可以轻松获得标签的平面列表：

flat_labels = labels[np.concatenate(duplicates)]
# array([2, 3, 3, 2, 0, 0, 0])

我刚刚意识到np.split 很容易将这样的数组拆分为您想要的子数组：

split_indices = np.cumsum([len(x) for x in duplicates])[:-1]
np.split(flat_labels,split_indices)

# [array([2, 3]), array([3, 2]), array([0, 0, 0])]