numpy的有效向量选择

如何解决numpy的有效向量选择

| 有没有一种有效的numpy机制可以从2D数组生成给定数组索引的值数组？具体来说，我有一个2D坐标的列表，它们表示2Dnumpy数组中的有趣值。我计算这些坐标如下：

nonzerovalidindices = numpy.where((array2d != noDataValue) & (array2d != 0))
nonzerovalidCoordinates = zip(nonzerovalidindices[0],nonzerovalidindices[1])

从那里开始，我通过遍历坐标并一次索引到numpy数组来构建地图，类似于此简化示例：

for coord in nonzerovalidCoordinates:       
    map[coord] = array2d[coord]

我有几个庞大的数据集，正在对该算法进行迭代，因此我对有效的解决方案感兴趣。通过剖析，我怀疑array2d[coord]线正在引起一些疼痛。是否有更好的向量形式可以从array2d生成值的整个向量，还是我一次只能索引一个？

解决方法

我认为您可以尝试类似的方法：

array2d[ix_(nonzeroValidIndices[0],nonzeroValidIndices[1])]

或者，如果您真的想使用nonzeroValidCoordinates：

unzip = lambda l: [list(li) for li in zip(*l)]
array2d[ix_(unzip(nonzeroValidCoordinates))]

资料来源：http://www.scipy.org/NumPy_for_Matlab_Users#head-13d7391dd7e2c57d293809cff080260b46d8e664 ,这样的事情怎么样：

a = np.arange(100).reshape((10,10))
ii = np.where(a > 27) # your nonzeroValidIndices
b = np.zeros_like(a) # your map
b[ii] = a[ii]

您可以使用np.where的结果对数组进行索引，如上所示。这应该可以完成与不循环的操作类似的操作，但是我不清楚目标2D数组实际上是从您的问题中得出的。不知道ѭ10是什么，似乎就像您将数据复制到相同大小的数组中一样。 ,是的，当然，您可以将值获取为

nonZeroData = array2d[nonzeroValidIndices]

如果map是新的字典，则可以

map = dict(zip(nonzeroValidCoordinates,nonZeroData))

如果这是现有的字典，

map.update(zip(nonzeroValidCoordinates,nonZeroData))

如果是数组，那么

map[nonzeroValidIndices] = nonZeroData