问题描述
我有我需要切片整数关有很大一维数组。这是微不足道的，我只是做 A [开始：结束] 。问题是，我需要更多的这些片。 A [开始：结束] 如果起点和终点是数组不起作用。 For循环可用于这一点，但我需要它尽可能快（这是一个瓶颈），所以本地numpy的解决方案将受到欢迎。
要进一步说明，我有这样的：
A = numpy.array（[0，1，2，3，4，5，6，7，8，9，10，11]，numpy.int16）
开始= numpy.array（[1，5,7]，numpy.int16）
端= numpy.array（[2，10，10]，numpy.int16）
和需要以某种方式使之变成这样：
[1]，[5，6，7，8，9]，[7,8]
这可能（几乎？）可以在纯使用屏蔽阵列和步幅技巧 numpy的完成。首先，我们创建面膜：
＆GT;＆GT;＆GT;指数= numpy.arange（a.size）
＆GT;＆GT;＆GT;面膜=〜（（指数＆GT; =启动[：，无]）及（指数＆LT;结束[：，无]））
或者更简单地说：
＆GT;＆GT;＆GT;屏蔽=（指数＆LT;启动[：，无]）| （指数＆GT; =结束[：，无]）
掩码是（没有被屏蔽即值）假对于那些指标是＆GT; = 来启动价值和＆LT; 最终值。 （与切片无（又名 numpy.newaxis ）增加了一个新的层面，使广播）。现在我们的面具看起来像这样的：
＆GT;＆GT;＆GT;面具
阵列（[真，假，真，真，真，真，真，真，真，
不错，不错，真]
[不错，不错，不错，不错，真，假，假，假，假，
假，真，真]
[不错，不错，不错，不错，不错，不错，真，假，假，
不错，不错，真]，DTYPE =布尔）
现在我们来舒展阵列使用，以适应面具 stride_tricks ：
＆GT;＆GT;＆GT; as_strided = numpy.lib.stride_tricks.as_strided
＆GT;＆GT;＆GT;跨入= as_strided（一，mask.shape，（0，a.strides [0]））
＆GT;＆GT;＆GT;跨进
阵列（[0，1，2，3，4，5，6，7，8，9，10，11]，
[0，1，2，3，4，5，6，7，8，9，10，11]，
[0，1，2，3，4，5，6，7，8，9，10，11]，DTYPE = INT16）
这看起来像一个3x12阵列，但在相同的存储器的每一行分。现在，我们可以将它们组合成一个蒙面的数组：
＆GT;＆GT;＆GT; numpy.ma.array（跨进，面膜面膜=）
masked_array（数据=
[[ - 1 - - - - - - - - - - ]
[ - - - - - 5 6 7 8 9 - - ]
[ - - - - - - - 7 8 - - - ]，
面膜=
[真假真真真真真真真真真真]
[真真真真真假假假假假真真]
[真真真真真真真假假真真真]，
fill_value = 999999）
这是不太一样的，你问什么，但它应该的行为类似。
I've got a large one-dimensional array of integers I need to take slices off. That's trivial, I'd just do a[start:end]. The problem is that I need more of these slices. a[start:end] does not work if start and end are arrays. For loop could be used for this, but I need it to be as fast as possible (it is a bottleneck), so a native numpy solution would be welcome.
To further illustrate, I have this:
a = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], numpy.int16)
start = numpy.array([1, 5, 7], numpy.int16)
end = numpy.array([2, 10, 9], numpy.int16)
And need to somehow make it into this:
[[1], [5, 6, 7, 8, 9], [7, 8]]
This can (almost?) be done in pure numpy using masked arrays and stride tricks. First, we create our mask:
>>> indices = numpy.arange(a.size)
>>> mask = ~((indices >= start[:,None]) & (indices < end[:,None]))
Or more simply:
>>> mask = (indices < start[:,None]) | (indices >= end[:,None])
The mask is False (i.e. values not masked) for those indices that are >= to the start value and < the end value. (Slicing with None (aka numpy.newaxis) adds a new dimension, enabling broadcasting.) Now our mask looks like this:
>>> mask
array([[ True, False, True, True, True, True, True, True, True,
True, True, True],
[ True, True, True, True, True, False, False, False, False,
False, True, True],
[ True, True, True, True, True, True, True, False, False,
True, True, True]], dtype=bool)
Now we have to stretch the array to fit the mask using stride_tricks:
>>> as_strided = numpy.lib.stride_tricks.as_strided
>>> strided = as_strided(a, mask.shape, (0, a.strides[0]))
>>> strided
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]], dtype=int16)
This looks like a 3x12 array, but each row points at the same memory. Now we can combine them into a masked array:
>>> numpy.ma.array(strided, mask=mask)
masked_array(data =
[[-- 1 -- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- 5 6 7 8 9 -- --]
[-- -- -- -- -- -- -- 7 8 -- -- --]],
mask =
[[ True False True True True True True True True True True True]
[ True True True True True False False False False False True True]
[ True True True True True True True False False True True True]],
fill_value = 999999)
This isn't quite the same as what you asked for, but it should behave similarly.
这篇关于切片numpy的数组另一个数组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！