다른 배열의 인덱스를 사용하여 2D NumPy 배열에서 요소를 추출하는 방법은 무엇입니까?

다른 배열의 인덱스를 사용하여 2D 배열에서 요소 추출

NumPy에서는 때때로 다차원 배열에서 특정 요소를 추출해야 하는 경우가 있습니다. 다른 배열에 저장된 인덱스를 기반으로 합니다. 이 시나리오는 희소 행렬이나 인덱스 선택과 같은 데이터 구조로 작업할 때 자주 발생합니다.

문제:

두 개의 NumPy 배열을 고려하세요.

A = np.array([[0, 1], [2, 3], [4, 5]])
B = np.array([[1], [0], [1]])  # Index array

목표는 A의 각 행에서 하나의 요소를 추출하는 것입니다. 여기서 특정 요소는 인덱스로 지정됩니다. B의 해당 행. 예상되는 출력은 다음과 같아야 합니다.

C = np.array([[1], [2], [5]])

해결책:

1. 순수 정수 배열 인덱싱:

A[np.arange(A.shape[0]), B.ravel()]

이 방법에는 NumPy의 정수 배열 인덱싱 기능을 사용하는 방법이 포함됩니다. A의 행에 해당하는 일련의 인덱스를 생성하고 이를 평면화된 B 배열과 결합하여 적절한 요소를 선택합니다.

2. 전치 및 np.choose:

np.choose(B.ravel(), A.T)

이 대체 접근 방식에서는 A를 B의 모양과 일치하도록 전치한 다음 np.choose를 사용하여 평면화된 B 배열을 기반으로 원하는 요소를 선택합니다.

3. 반복 가능한 압축 풀기(Python >=3.6):

*A = A.T
C = np.array([*zip(*A)][i] for i in B.ravel())

이 방법은 반복 가능한 압축 풀기를 사용하여 A를 행 목록으로 변환한 다음 B의 인덱스를 기반으로 A의 행을 반복하여 원하는 요소를 추출합니다.

4. 리스트 컴프리헨션 및 브로드캐스팅:

[A[i][j] for i, j in zip(range(A.shape[0]), B.ravel())]

리스트 컴프리헨션은 A와 B의 요소를 반복하고 요소별 선택을 수행하여 새 배열을 생성하는 데 사용할 수 있습니다.

5. 팬시 인덱싱(NumPy >=1.18):

A[np.stack([range(A.shape[0]), B.ravel()], axis=1)]

팬시 인덱싱을 사용하면 보다 효율적이고 컴팩트한 인덱싱 작업이 가능합니다. 이 경우 A에서 원하는 요소를 선택하는 데 사용할 수 있는 행 인덱스와 B 인덱스를 사용하여 2D 배열을 생성합니다.

가장 적합한 솔루션은 작업의 특정 요구 사항과 제약 조건에 따라 다릅니다. 효율성, 가독성, 이전 버전 NumPy와의 호환성 등이 있습니다.

위 내용은 다른 배열의 인덱스를 사용하여 2D NumPy 배열에서 요소를 추출하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!