如何从多维数组中提取列？

Question

有谁知道如何在Python中从多维数组中提取列？

Answer 1

如果你在Python（不是numpy）中有一个二维数组，你可以像这样提取所有列，

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]))

执行此代码将产生，

>>> 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)

Answer 2

>>> 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]])

如果你想要第二列，你可以使用

>>> x[:, 1]
array([ 1,  6, 11, 16])

Answer 3

一探究竟！

a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]

它与上面的东西是一样的，只是不知何故它更整洁
zip 可以完成工作，但需要单个数组作为参数， *a 语法将多维数组解压缩为单个数组参数

Answer 4

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)

Python 中的 map 函数是另一种方法。

Answer 5

array = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]

col1 = [val[1] for val in array]
col2 = [val[2] for val in array]
col3 = [val[3] for val in array]
col4 = [val[4] for val in array]
print(col1)
print(col2)
print(col3)
print(col4)

Output:
[1, 5, 9, 13]
[2, 6, 10, 14]
[3, 7, 11, 15]
[4, 8, 12, 16]

Answer 6

[matrix[i][column] for i in range(len(matrix))]

Answer 7

如果您喜欢map-reduce 风格的python，而不是列表推导式，那么 itemgetter 运算符也可以提供帮助，以获得一点变化！

# 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)

Answer 8

您也可以使用它：

values = np.array([[1,2,3],[4,5,6]])
values[...,0] # first column
#[1,4]

注意：这不适用于内置数组且未对齐（例如 np.array([[1,2,3],[4,5,6,7]]) ）

Answer 9

假设我们有 n X m 矩阵（n 行和 m 列），例如 5 行和 4 列

matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]

要在 python 中提取列，我们可以使用这样的列表理解

[ [row[i] for row in matrix] for in range(4) ]

您可以将 4 替换为矩阵具有的任意数量的列。
结果是

[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16, 20]]

Answer 10

我认为您想从数组中提取一列，例如下面的数组

import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

现在，如果您想获取格式中的第三列

D=array[[3],
[7],
[11]]

那么您需要首先将数组设为矩阵

B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)

现在您可以像您一样进行元素明智的计算在excel中做。

Answer 11

使用矩阵的另一种方法

>>> 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])

Answer 12

只需使用 transpose()，即可像获取行一样轻松获取列

matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColumns]

Answer 13

如果您想获取不止一列，只需使用切片：

 a = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
    print(a[:, [1, 2]])
[[2 3]
[5 6]
[8 9]]

Answer 14

好吧，有点晚了……

如果性能很重要并且您的数据是矩形的，您也可以将其存储在一维中并通过常规切片访问列，例如……

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]

巧妙的是这非常快。 但是，负索引在这里不起作用！ 因此您无法通过索引 -1 访问最后一列或最后一行。

如果您需要负索引，您可以稍微调整访问器函数，例如

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]

Answer 15

尽管使用 zip(*iterable) 来转置嵌套列表，但如果嵌套列表的长度不同，您也可以使用以下内容：

map(None, *[(1,2,3,), (4,5,), (6,)])

结果：

[(1, 4, 6), (2, 5, None), (3, None, None)]

第一列因此：

map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)

Answer 16

我更喜欢下一个提示：
具有名为 matrix_a 的矩阵并使用 column_number，例如：

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]

Answer 17

矩阵中的所有列都放入新列表中：

N = len(matrix) 
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]

Answer 18

难道您正在使用 NumPy 数组？ Python 有 array 模块，但不支持多维数组。 普通的 Python 列表也是一维的。

但是，如果您有一个像这样的简单二维列表：

A = [[1,2,3,4],
     [5,6,7,8]]

那么您可以像这样提取一列：

def column(matrix, i):
    return [row[i] for row in matrix]

提取第二列（索引 1）：

>>> column(A, 1)
[2, 6]

或者，简单地：

>>> [row[1] for row in A]
[2, 6]

Answer 19

如果您有一个像这样的数组

a = [[1, 2], [2, 3], [3, 4]]

，那么您可以像这样提取第一列：

[row[0] for row in a]

所以结果如下所示：

[1, 2, 3]

Answer 20

>>> 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])

另请参阅：“numpy.arange”和“reshape”来分配内存

示例：（通过矩阵形状 (3x4) 分配数组）

nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)