numpy数组切片行和列的交集答案

【问题标题】：numpy array slicing intersection of rows and columnsnumpy数组切片行和列的交集
【发布时间】：2019-11-21 20:04:07
【问题描述】：

我需要对一个 numpy 数组进行切片，以便获得一个对应于深绿色区域的数组： array

绿色区域是列和行中多个范围的交集。我想到了类似的东西：

M[[1:3,5:7],[1:3,5:7]]=np.zeros(4,4)

但它不起作用。我怎样才能有效地做到这一点？

【问题讨论】：

你想要多少个矩阵作为结果？每个交叉点一个或一个将小块合并成一个？
单个矩阵，目的是获取切片并将其设置为零或其他值，就像我在代码示例中所做的那样
我会考虑使用熊猫数据框。正如您在Documentation 中看到的那样，您可以将可调用对象传递给 iloc 函数。有了这个，你可以支持自定义切片。
有了这个： M[starting_index:ending_index:step, starting_index:ending_index:step] 您可以选择内部矩阵的每个角，然后将它们堆叠在一起例如：x[1:9:5, 1 :9:5] 将为您提供第 1 行和第 6 行，第 1 和第 6 列。对同一行的不同列执行相同操作，然后对接下来的行和列执行相同操作。最后将它们堆叠在一起，让您构建所需的矩阵。
@NicolaePetridean 绝对没有更有效的解决方案？ Matlab 有一个等价物：M([1:2,5:6],[1:2,5:6])

标签： python arrays numpy numpy-slicing

【解决方案1】：

我认为你只需要分别做每个深绿色部分，比如：

M[1:3, 5:7] = np.zeros((2,2))

然后重复其他深绿色区域。

编辑：我想我更了解你想做什么，你想更动态地做，所以我认为这样的事情会起作用：

ta = slice(1, 3)
tb = slice(5, 7)
slices=[ta, tb]
slices = [(s1, s2) for s1 in slices for s2 in slices] #Gives all combinations of slices
for s in slices:
    M[s] = np.zeros((2,2))

【讨论】：

是的，我想过这样做，但如果存在，我正在寻找更有效的解决方案，因为我会扩大规模，它不一定是 np.zeros() 分配的矩阵，而是已经定义的矩阵。
好的，我明白了，你可以使用切片吗？（我已经相应地编辑了答案）

【解决方案2】：

我在 stackoverflow 上使用 matlab like array indexing with numpy 找到了答案

我添加了一个数组来做我想做的事。最终代码为：

rows = np.hstack((np.arange(1,3), np.arange(5,7)))
cols = np.hstack((np.arange(1,3), np.arange(5,7)))

M[np.ix_(rc,rc)]=np.zeros(4,4)

也许有一种更有效的方法来定义行和列，但这对我有用

【讨论】：

np.hstack((x[[1,2,5,6], 1:3], x[[1,2,5,6], 5:7]))像这样我也编辑了我以前的答案。有帮助吗？
似乎对我不起作用。它选择正确的矩阵，但是不可能给它分配一个值，例如： np.hstack((x[[1,2,5,6], 1:3], x[[1,2,5,6 ], 5:7]))=np.zeros((4,4))

【解决方案3】：

UPDATE 实际上是这样工作的：

np.hstack((x[[1,2,5,6], 1:3], x[[1,2,5,6], 5:7]))

我找到的最佳选择：

np.vstack((x[1:9:4, [1,2,5,6]], x[2:9:4, [1,2,5,6]]))

但是你仍然需要相互交换线路

【讨论】：

我想我做到了。我也将其发布为答案