从形状为 (n,) 的 ndarray 的 ndarray 中获取特定元素答案

【问题标题】：Get specific elements from ndarray of ndarrays with shape (n,)从形状为 (n,) 的 ndarray 的 ndarray 中获取特定元素
【发布时间】：2016-04-28 02:17:16
【问题描述】：

给定 ndarray：

A = np.array([np.array([1], dtype='f'), 
              np.array([2, 3], dtype='f'), 
              np.array([4, 5], dtype='f'),
              np.array([6], dtype='f'), 
              np.array([7, 8, 9], dtype='f')])

显示为：

A
array([array([ 1.], dtype=float32), array([ 2.,  3.], dtype=float32),
   array([ 4.,  5.], dtype=float32), array([ 6.], dtype=float32),
   array([ 7.,  8.,  9.], dtype=float32)], dtype=object)

我正在尝试从 A 的每个“子数组”的第一个元素创建一个新数组。为了向您展示我的意思，下面是一些使用循环创建我想要的数组的代码。我想尽可能高效地实现相同的目标，因为我的数组 A 非常大（约 50000 个条目）并且我需要多次执行该操作。

B = np.zeros(len(A))
for i, val in enumerate(A):
    B[i] = val[0]
B
array([ 1.,  2.,  4.,  6.,  7.])

【问题讨论】：

标签： numpy multidimensional-array indexing

【解决方案1】：

这是一种将所有元素连接到1D 数组中的方法，然后通过linear-indexing 选择第一个元素。实现看起来像这样 -

lens = np.array([len(item) for item in A])
out = np.concatenate(A)[np.append(0,lens[:-1].cumsum())]

瓶颈在于连接部分，但如果有大量长度较小的元素，这可能会被抵消。因此，效率取决于输入数组的格式。

【讨论】：

谢谢，这是两个答案中最快的。仍然没有我想要的那么快，但绝对比我幼稚的方法有所改进。
@jmc 很高兴听到这是对原始方法的改进，太棒了！

【解决方案2】：

我建议将您原来的锯齿状数组转换为单个掩码数组：

B = np.ma.masked_all((len(A), max(map(len, A))))

for ii, row in enumerate(A):
    B[ii,:len(row)] = row

现在你有：

[[1.0 -- --]
 [2.0 3.0 --]
 [4.0 5.0 --]
 [6.0 -- --]
 [7.0 8.0 9.0]]

你可以这样得到第一列：

B[:,0].data

【讨论】：