Кто-нибудь знает, как извлечь столбец из многомерного массива в Python?
Как извлечь столбец из многомерного массива?
Ответы (18)
>>> import numpy as np
>>> A = np.array([[1,2,3,4],[5,6,7,8]])
>>> A
array([[1, 2, 3, 4],
[5, 6, 7, 8]])
>>> A[:,2] # returns the third columm
array([3, 7])
См. Также: numpy.arange и reshape для выделения памяти.
Пример: (Размещение массива с формированием матрицы (3x4))
nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)
[row, col]
. запятая разделяет.
- person AsheKetchum; 11.12.2017
Может быть, вы используете Массив NumPy? В Python есть модуль array, но он не поддерживает многомерные массивы. Обычные списки Python тоже одномерные.
Однако, если у вас есть простой двумерный список вроде этого:
A = [[1,2,3,4],
[5,6,7,8]]
тогда вы можете извлечь такой столбец:
def column(matrix, i):
return [row[i] for row in matrix]
Извлечение второго столбца (индекс 1):
>>> column(A, 1)
[2, 6]
Или просто:
>>> [row[1] for row in A]
[2, 6]
[row[1] for row in A]
это элегантно. Проголосуйте за это.
- person Simon Z.; 04.03.2021
Если у вас есть массив вроде
a = [[1, 2], [2, 3], [3, 4]]
Затем вы извлекаете первый столбец следующим образом:
[row[0] for row in a]
Результат выглядит так:
[1, 2, 3]
проверить это!
a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]
это то же самое, что и выше, за исключением того, что он более аккуратный, zip выполняет свою работу, но требует одиночных массивов в качестве аргументов, синтаксис * a распаковывает многомерный массив в одиночные аргументы массива
a2 = zip(*a); a2 = list(a2); a2[0]
- person Rishabh Agrahari; 16.05.2019
list(zip(*a))[0]
- person Tomerikoo; 15.02.2020
next(zip(*a))
, чтобы получить первый столбец в виде кортежа. Чтобы получить тот же результат в форме списка, я думаю, что быстрее использовать понимание списка.
- person Escape0707; 28.04.2020
>>> x = arange(20).reshape(4,5)
>>> x array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
если вам нужен второй столбец, вы можете использовать
>>> x[:, 1]
array([ 1, 6, 11, 16])
arange()
в Python3 за пределами numpy. Кто угодно?
- person Kevin W Matthews; 18.08.2019
def get_col(arr, col):
return map(lambda x : x[col], arr)
a = [[1,2,3,4], [5,6,7,8], [9,10,11,12],[13,14,15,16]]
print get_col(a, 3)
Функция map в Python - еще один вариант.
Если у вас есть двумерный массив в Python (не numpy), вы можете извлечь все столбцы следующим образом:
data = [
['a', 1, 2],
['b', 3, 4],
['c', 5, 6]
]
columns = list(zip(*data))
print("column[0] = {}".format(columns[0]))
print("column[1] = {}".format(columns[1]))
print("column[2] = {}".format(columns[2]))
Выполнение этого кода даст,
>>> print("column[0] = {}".format(columns[0]))
column[0] = ('a', 'b', 'c')
>>> print("column[1] = {}".format(columns[1]))
column[1] = (1, 3, 5)
>>> print("column[2] = {}".format(columns[2]))
column[2] = (2, 4, 6)
Конечно, вы можете извлечь один столбец по индексу (например, columns[0]
)
Оператор itemgetter также может помочь, если вам нравится python в стиле map-reduce, а не понимание списков, для небольшого разнообразия!
# tested in 2.4
from operator import itemgetter
def column(matrix,i):
f = itemgetter(i)
return map(f,matrix)
M = [range(x,x+5) for x in range(10)]
assert column(M,1) == range(1,11)
Вы также можете использовать это:
values = np.array([[1,2,3],[4,5,6]])
values[...,0] # first column
#[1,4]
Примечание: это не работает для встроенного массива и не выровненного (например, np.array ([[1,2,3], [4,5,6,7]]))
Я думаю, вы хотите извлечь столбец из массива, например массива ниже
import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
Теперь, если вы хотите получить третий столбец в формате
D=array[[3],
[7],
[11]]
Тогда вам нужно сначала сделать массив матрицей
B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)
И теперь вы можете выполнять поэлементные вычисления так же, как в Excel.
скажем, у нас есть n X m
матрица (n
строк и m
столбцов), скажем, 5 строк и 4 столбца
matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]
Чтобы извлечь столбцы в python, мы можем использовать понимание списка следующим образом
[ [row[i] for row in matrix] for in range(4) ]
Вы можете заменить 4 любым количеством столбцов в вашей матрице. Результат
[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16,20] ]
Еще один способ использования матриц
>>> from numpy import matrix
>>> a = [ [1,2,3],[4,5,6],[7,8,9] ]
>>> matrix(a).transpose()[1].getA()[0]
array([2, 5, 8])
>>> matrix(a).transpose()[0].getA()[0]
array([1, 4, 7])
Если вы хотите получить более одного столбца, просто используйте slice:
a = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(a[:, [1, 2]])
[[2 3]
[5 6]
[8 9]]
Просто используйте transpose (), и вы сможете получить столбцы так же просто, как и строки.
matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColum]
Несмотря на использование zip(*iterable)
для транспонирования вложенного списка, вы также можете использовать следующее, если вложенные списки различаются по длине:
map(None, *[(1,2,3,), (4,5,), (6,)])
приводит к:
[(1, 4, 6), (2, 5, None), (3, None, None)]
Таким образом, первый столбец:
map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)
Ну, немного поздно ...
В случае, если производительность имеет значение и ваши данные имеют прямоугольную форму, вы также можете сохранить их в одном измерении и получать доступ к столбцам с помощью регулярных срезов, например. ...
A = [[1,2,3,4],[5,6,7,8]] #< assume this 4x2-matrix
B = reduce( operator.add, A ) #< get it one-dimensional
def column1d( matrix, dimX, colIdx ):
return matrix[colIdx::dimX]
def row1d( matrix, dimX, rowIdx ):
return matrix[rowIdx:rowIdx+dimX]
>>> column1d( B, 4, 1 )
[2, 6]
>>> row1d( B, 4, 1 )
[2, 3, 4, 5]
Приятно то, что это действительно быстро. Однако отрицательные индексы здесь не работают! Таким образом, вы не можете получить доступ к последнему столбцу или строке по индексу -1.
Если вам нужна отрицательная индексация, вы можете немного настроить функции доступа, например
def column1d( matrix, dimX, colIdx ):
return matrix[colIdx % dimX::dimX]
def row1d( matrix, dimX, dimY, rowIdx ):
rowIdx = (rowIdx % dimY) * dimX
return matrix[rowIdx:rowIdx+dimX]
Я предпочитаю следующий совет: иметь матрицу с именем matrix_a
и использовать column_number
, например:
import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2
# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]
Все столбцы из матрицы в новый список:
N = len(matrix)
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]