将一个 NumPy 数组拆分为两个数组答案

【问题标题】：Splitting one NumPy array into two arrays将一个 NumPy 数组拆分为两个数组
【发布时间】：2018-04-10 22:23:26
【问题描述】：

假设我有一个NumPy2D数组A：

>>> import numpy as np
>>> A=np.arange(30).reshape(3,10)
>>> A
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])

我需要得到两个数组 B 和 C 具有以下属性：

B = array([[ 0,  3,  4,  5,  6,  7,  8,  9],
           [10, 13, 14, 15, 16, 17, 18, 19],
           [20, 23, 24, 25, 26, 27, 28, 29]])

C = array([[ 1,  2],
           [11, 12],
           [21, 22]])

最简单的方法是什么？

请注意，我必须获得所有 C（2 个相邻列）和 B（即 A 没有 C）的集合。我尝试了不同的NumPy 构造，例如np.delete、np.hstack，但在上述示例中的拐角条件下似乎没有任何效果。

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

最简单的方法之一是使用索引来选择适当的列：

>>> A[:, [1, 2]] # choose all rows from columns 1-2 (gives C)
array([[ 1,  2],
       [11, 12],
       [21, 22]])

>>> A[:, np.r_[0, 3:10]] # choose all rows from columns 0, 3-9 (gives B)
array([[ 0,  3,  4,  5,  6,  7,  8,  9],
       [10, 13, 14, 15, 16, 17, 18, 19],
       [20, 23, 24, 25, 26, 27, 28, 29]])

或者，您可以尝试 hsplit 拆分 A，然后将位重新连接在一起。这感觉比上面的索引方法效率低：

>>> splits = np.hsplit(A, [1, 3]) 
>>> B = np.hstack((splits[0], splits[2]))
>>> C = splits[1]

【讨论】：

【解决方案2】：

您可以使用数组花式索引：

B = A[:, [0] + list(range(3, A.shape[1]))]
C = A[:, [1, 2]]

地点：

逗号分隔您要从每个维度获取的索引。
运营商: 告诉采取该维度的所有元素
使用整数序列将指定应采用相应维度的哪些元素（例如[1, 2]）

【讨论】：

【解决方案3】：

对于C，您可以使用简单的切片：

>>> A[:,1:3]
array([[ 1,  2],
       [11, 12],
       [21, 22]])

对于B，在A 的两个切片上使用numpy.hstack：

>>> np.hstack((A[:,:1], A[:,3:]))
array([[ 0,  3,  4,  5,  6,  7,  8,  9],
       [10, 13, 14, 15, 16, 17, 18, 19],
       [20, 23, 24, 25, 26, 27, 28, 29]])
>>>

【讨论】：