Numpy 索引：返回其余部分

Posted 2023-02-23

【中文标题】Numpy 索引：返回其余部分

【英文标题】：Numpy Indexing: Return the rest

【发布时间】：2012-09-13 03:20:27

【问题描述】：

一个简单的numpy索引示例：

In: a = numpy.arange(10)
In: sel_id = numpy.arange(5)
In: a[sel_id]
Out: array([0,1,2,3,4])

如何返回未被 sel_id 索引的数组的其余部分？我能想到的是：

In: numpy.array([x for x in a if x not in a[id]])
out: array([5,6,7,8,9])

有没有更简单的方法？

【问题讨论】：

这是一次操作吗？或者你会在路上重复使用sel_id（这是否定的）？另外，您是对多维案例感兴趣，还是只对一维案例感兴趣？

在我的应用中，会在多维海量数组上操作，是的，我会复用sel_id。

刚刚意识到我上面的解决方案是错误的。如果它是一个包含十个 1 的数组，那么给定的代码将给出一个 None 数组，而不是一个包含五个 1 的数组。

【参考方案1】：

对于这个简单的一维案例，我实际上会使用布尔掩码：

a = numpy.arange(10)
include_index = numpy.arange(4)
include_idx = set(include_index)  #Set is more efficient, but doesn't reorder your elements if that is desireable
mask = numpy.array([(i in include_idx) for i in xrange(len(a))])

现在你可以得到你的价值观了：

included = a[mask]  # array([0, 1, 2, 3])
excluded = a[~mask] # array([4, 5, 6, 7, 8, 9])

请注意，a[mask] 不一定产生与a[include_index] 相同的结果，因为include_index 的顺序对那种情况下的输出很重要（它应该大致相当于a[sorted(include_index)]）。但是，由于您排除项目的顺序没有明确定义，这应该可以正常工作。

---

编辑

创建蒙版的更好方法是：

mask = np.zeros(a.shape,dtype=bool)
mask[include_idx] = True

（感谢 seberg）。

【讨论】：

@BiRico -- 错误。我将include_index 转换为set（称为include_idx），它有一个在O(1) 中的__contains__ 方法。此解决方案具有O(N) 复杂性。

+1，这几乎正是我要建议的，但我不得不离开电脑。使用布尔掩码非常适合此类操作，因为您不必做任何额外的工作来计算相对补码。仅供参考，根据我的测试，在生成器上使用 fromiter 而不是在列表理解上使用 array 会产生小的速度提升。

抱歉，使用套装来制作面具是为了一个小问题而拿出大型武器......

可能是另一种创建布尔数组的方式可以是：mask = numpy.zeros(numpy.shape(a),bool);掩码 [sel_id] = 真；我同意使用布尔数组可能是最好的解决方案。谢谢！

@mgilson，如果您不想罚款，但是您如何编辑答案以使用mask[sel_id] = True。这将使它成为某人找到的非常好的答案。 （是的，我真的认为布景在这里很糟糕，原因有很多）

【参考方案2】：

你可以用布尔掩码很好地做到这一点：

a = numpy.arange(10)

mask = np.ones(len(a), dtype=bool) # all elements included/True.
mask[[7,2,8]] = False              # Set unwanted elements to False

print a[mask]
# Gives (removing entries 7, 2 and 8):
[0 1 3 4 5 6 9]

加法（取自@mgilson）。创建的二进制掩码可以很好地用于返回带有a[~mask] 的原始切片，但只有在原始索引经过排序时才相同。

---

编辑： 下移了，因为我必须意识到此时（2012 年 9 月）我会考虑 np.delete 错误。

您也可以使用np.delete，尽管掩码功能更强大（并且在未来我认为这应该是一个不错的选择）。但是目前它比上面的要慢，并且会产生带有负索引的意外结果（或给定切片时的步骤）。

print np.delete(a, [7,2,8])

【讨论】：

是的——第二种方法是迄今为止最好的，唯一的纯 numpy 线性方法……回想起来似乎很明显！ （请注意，在幕后，numpy.delete 只使用setdiff1d，而in1d 又使用in1d。所以它也是n log n。）+1 但你已经有了我的！

@senderle 认真的！这很有趣，也许np.delete 可以使用该执行路径的更改...

@PierreGM，真的，我也从不使用它，但如果你只想要一个没有它的数组副本而不需要其他任何东西，老实说，我认为使用这样的函数没有什么大问题。

@seberg 它存在的事实意味着np.delete 当然对某些人有用，但我一直认为这是一个糟糕的功能，永远不会像人们期望的那样工作（但工作方式与这应该）。当显式的精美索引如此清晰时，为什么还要增加混乱？

【参考方案3】：

更像是：

a = numpy.array([1, 2, 3, 4, 5, 6, 7, 4])
exclude_index = numpy.arange(5)
include_index = numpy.setdiff1d(numpy.arange(len(a)), exclude_index)
a[include_index]
# array([6, 7, 4])

# Notice this is a little different from
numpy.setdiff1d(a, a[exclude_index])
# array([6, 7]

【参考方案4】：

我会用布尔掩码来做这件事，但有点不同。这具有在 N 维中工作的好处，具有连续或非索引。内存使用情况取决于是否为掩码数组创建视图或副本，我不确定。

import numpy
a = numpy.arange(10)
sel_id = numpy.arange(5)
mask = numpy.ma.make_mask_none(a.shape)
mask[sel_id] = True
answer = numpy.ma.masked_array(a, mask).compressed()
print answer
# [5 6 7 8 9]

【讨论】：

掩码数组可能是一个非常好的选择。虽然.compressed() 在某种程度上违背了 IMO 屏蔽数组的目的，因为它创建了一个普通的数组副本。

【参考方案5】：

此外，如果它们是连续的，请使用 [N:] 语法来选择其余部分。例如， arr[5:] 将选择数组中倒数第 5 个元素。

【参考方案6】：

这是另一种方式，使用 numpy 的 isin() 函数：

import numpy as np

a = np.arange(10)
sel_id = np.arange(5)

a[~np.isin(np.arange(a.size), sel_id)]

解释：

np.arange(a.size) 给出a 的所有索引，即[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

np.isin(np.arange(a.size), sel_id) 在sel_id 和False 中的索引处返回布尔掩码[ True, True, True, True, True, False, False, False, False, False] 和True。由于我们想要获取不在sel_id 中的索引，我们使用按位非运算符~ 来反转布尔掩码。

【参考方案7】：

numpy.setdiff1d(a, a[sel_id]) 应该可以解决问题。不知道有没有比这更简洁的东西。

【讨论】：

如果数组中有重复的值，那就不行了。

【参考方案8】：

假设a 是一维数组，您可以从索引列表中弹出您不想要的项目：

accept = [i for i in range(a.size) if i not in avoid_list]
a[accept]

你也可以尝试使用类似的东西

accept = sorted(set(range(a.size)) - set(indices_to_discard))
a[accept]

这个想法是在你不想要的索引集的互补上使用花哨的索引。