Come si estrae una colonna da un array multidimensionale?

Qualcuno sa come estrarre una colonna da un array multidimensionale in Python?

>>> 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])

Vedi anche: "numpy.arange" e "reshape" per allocare memoria

Esempio: (Allocazione di una matrice con modellatura della matrice (3x4))

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

Potrebbe essere che stai usando un array NumPy ? Python ha il modulo array , ma questo non supporta array multidimensionali. Anche gli elenchi Python normali sono monodimensionali.

Tuttavia, se si dispone di un semplice elenco bidimensionale come questo:

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

quindi puoi estrarre una colonna come questa:

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

Estrazione della seconda colonna (indice 1):

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

O in alternativa, semplicemente:

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

Se hai un array come

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

Quindi estrai la prima colonna in questo modo:

[row[0] for row in a]

Quindi il risultato è simile al seguente:

[1, 2, 3]

controlla!

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

è la stessa cosa di cui sopra, tranne per il fatto che in qualche modo è più ordinata la zip fa il lavoro ma richiede matrici singole come argomenti, la sintassi * a decomprime l'array multidimensionale in argomenti a array singolo

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)

la funzione mappa in Python è un'altra strada da percorrere.

>>> 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]])

se vuoi la seconda colonna puoi usare

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

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

Anche l'operatore itemgetter può essere d'aiuto, se ti piace lo stile pitone riduttore di mappe, piuttosto che la comprensione dell'elenco, per una piccola varietà!

# 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)

Puoi usare anche questo:

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

Nota: questo non funziona per l'array incorporato e non allineato (ad es. Np.array ([[1,2,3], [4,5,6,7]]))

Penso che tu voglia estrarre una colonna da una matrice come una matrice di seguito

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

Ora se vuoi ottenere la terza colonna nel formato

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

Quindi devi prima rendere l'array una matrice

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

E ora puoi eseguire calcoli saggi sugli elementi proprio come faresti in Excel.

diciamo che abbiamo una n X mmatrice ( nrighe e mcolonne) diciamo 5 righe e 4 colonne

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

Per estrarre le colonne in Python, possiamo usare la comprensione dell'elenco in questo modo

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

Puoi sostituire 4 con qualunque numero di colonne abbia la tua matrice. Il risultato è

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

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]

Un altro modo usando le matrici

>>> 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])

Se hai una matrice bidimensionale in Python (non numpy), puoi estrarre tutte le colonne in questo modo,

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]))

L'esecuzione di questo codice produrrà,

>>> 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)

Ovviamente, puoi estrarre una singola colonna per indice (ad es. columns[0])

Nonostante utilizzi zip(*iterable)per trasporre un elenco nidificato, puoi anche utilizzare quanto segue se gli elenchi nidificati variano in lunghezza:

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

risulta in:

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

La prima colonna è quindi:

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

Beh, un po 'in ritardo ...

Nel caso in cui le prestazioni contino e i tuoi dati siano di forma rettangolare, puoi anche memorizzarli in una dimensione e accedere alle colonne mediante suddivisioni regolari, ad esempio ...

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]

La cosa bella è che è molto veloce. però , gli indici negativi non funzionano qui! Quindi non puoi accedere all'ultima colonna o riga per indice -1.

Se hai bisogno di indicizzazione negativa puoi regolare un po 'le funzioni accessor, ad es

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]

Se vuoi prendere più di una sola colonna usa solo slice:

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

Preferisco il suggerimento successivo: avere la matrice denominata matrix_ae usare column_number, ad esempio:

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]

Basta usare transpose (), quindi è possibile ottenere le colonne come è facile ottenere righe

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

Tutte le colonne da una matrice in un nuovo elenco:

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