如何使用另一个包含索引的2D numpy数组对2D numpy数组进行切片？

nzrxty8p 于 2023-08-05 发布在其他

关注(0)|答案(1)|浏览(121)

我有一个大小为（3000，3000）的稀疏矩阵A，我有另一个大小为（83068，2）的矩阵B，它包含A的非零元素的索引。
有没有可能得到一个结果二维矩阵C，使得它只包括来自A的非零元素？
这是我迄今为止所尝试的：

A[B]

字符串
但结果大小为（83068，2，3000）

1条答案

如这里所解释的，* 如果向索引提供元组，则元组将被解释为索引的列表 *。
这就是为什么 * 可以直接使用np.nonzero()函数的输出作为索引，因为它总是返回索引数组的元组 *。
因此，您可以用途：

>>> A = np.array([[0, 9, 3], [8, 0, 0], [6, 7, 5]])
>>> A[np.nonzero(A)]
array([9, 3, 8, 6, 7, 5])

字符串
你可以检查np.nonzero()是否返回一个元组：

>>> np.nonzero(A)
(array([0, 0, 1, 2, 2, 2]), array([1, 2, 0, 0, 1, 2]))

型
但是你的B数组有一个不同的格式，像这样：

>>> B = np.array(np.nonzero(A)).T
>>> B
array([[0, 1],
       [0, 2],
       [1, 0],
       [2, 0],
       [2, 1],
       [2, 2]])

型
因此，您需要将其重新格式化为一个元组，其元素数量与A数组中的维度数量相同，正如@hpaulj所指出的那样。举例来说：

>>> tuple(B.T)
(array([0, 0, 1, 2, 2, 2]), array([1, 2, 0, 0, 1, 2]))

型
总的来说：

>>> A[tuple(B.T)]
array([9, 3, 8, 6, 7, 5])

型