我有一个很大的一维数据数组。我有一个 starts
索引数组,指向发生重要事件的数据。我想获得一个范围数组,以便获得长度为 L
的窗口,每个窗口对应 starts
中的每个起点。伪造的样本数据:
data = np.linspace(0,10,50)
starts = np.array([0,10,21])
length = 5
我想本能地做类似的事情
data[starts:starts+length]
但实际上,我需要将 starts
转换为“windows”范围的二维数组。来自函数式语言,我会将其视为从列表到列表列表的 map
,例如:
np.apply_along_axis(lambda i: np.arange(i,i+length), 0, starts)
但这行不通,因为 apply_along_axis
只允许标量返回值。
你可以这样做:
pairs = np.vstack([starts, starts + length]).T
ranges = np.apply_along_axis(lambda p: np.arange(*p), 1, pairs)
data[ranges]
或者您可以使用列表推导来完成:
data[np.array([np.arange(i,i+length) for i in starts])]
或者您可以迭代地进行。 (呸。)
是否有一种简洁、惯用的方法可以像这样在某些起点切入数组? (请原谅 NumPy 的新手。)
最佳答案
data = np.linspace(0,10,50)
starts = np.array([0,10,21])
length = 5
对于执行此操作的 NumPy 唯一方法,您可以按照此处所述使用 numpy.meshgrid()
http://docs.scipy.org/doc/numpy/reference/generated/numpy.meshgrid.html
正如 hpaulj 在评论中指出的那样,这个问题实际上不需要 meshgrid,因为您可以使用数组广播。
http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
# indices = sum(np.meshgrid(np.arange(length), starts))
indices = np.arange(length) + starts[:, np.newaxis]
# array([[ 0, 1, 2, 3, 4],
# [10, 11, 12, 13, 14],
# [21, 22, 23, 24, 25]])
data[indices]
返回
array([[ 0. , 0.20408163, 0.40816327, 0.6122449 , 0.81632653],
[ 2.04081633, 2.24489796, 2.44897959, 2.65306122, 2.85714286],
[ 4.28571429, 4.48979592, 4.69387755, 4.89795918, 5.10204082]])
关于python - 如何通过切片范围有效地索引到一维 numpy 数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29040449/