回答:
>>> 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])
参照:「numpy.arange」と「reshape」でメモリを割り当てる
例:(行列(3x4)の形状を持つ配列の割り当て)
nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)
[row, col]
。コンマで区切ります。
次のような配列がある場合
a = [[1, 2], [2, 3], [3, 4]]
次に、最初の列を次のように抽出します。
[row[0] for row in a]
したがって、結果は次のようになります。
[1, 2, 3]
見てみな!
a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]
これは上記と同じですが、zipが機能するのはきれいですが、引数として単一配列が必要です。* a構文は、多次元配列を単一配列引数にアンパックします。
a2 = zip(*a); a2 = list(a2); a2[0]
リストの内包表記ではなく、map-reduceスタイルのpythonが少し好きな場合は、itemgetter演算子も役立ちます。
# 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)
以下の配列のような配列から列を抽出したいと思います
import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
次に、フォーマットの3番目の列を取得する場合
D=array[[3],
[7],
[11]]
次に、最初に配列を行列にする必要があります
B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)
そして今、あなたはExcelと同じように要素ごとの計算をすることができます。
n X m
マトリックス(n
行とm
列)が5行と4列を持っているとしましょう
matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]
Pythonで列を抽出するには、次のようなリスト内包表記を使用できます。
[ [row[i] for row in matrix] for in range(4) ]
4は、マトリックスの列数に置き換えることができます。結果は
[ [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]
Python(numpyではない)に2次元配列がある場合は、そのようにすべての列を抽出できます。
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]))
このコードを実行すると、
>>> 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)
もちろん、あなたがインデックスによって単一の列を抽出することができます(例えばcolumns[0]
)
使用したにも関わらずzip(*iterable)
、ネストされたリストを移調するネストされたリストは、長さが異なる場合、あなたはまた、次のように使用することができます。
map(None, *[(1,2,3,), (4,5,), (6,)])
結果は:
[(1, 4, 6), (2, 5, None), (3, None, None)]
したがって、最初の列は次のとおりです。
map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)
まあ「ビット」遅れ...
パフォーマンスが重要でデータが長方形の場合は、1次元でデータを保存し、通常のスライスで列にアクセスすることもできます...
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]
すごいのは、これが本当に速いということです。ただし、負のインデックスはここでは機能しません!したがって、インデックス-1で最後の列または行にアクセスすることはできません。
負のインデックスが必要な場合は、アクセサ関数を少し調整できます。たとえば、
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]
私は次のヒントを好みます:マトリックスに名前を付けmatrix_a
て使用するcolumn_number
、例えば:
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]
行列からすべての列を新しいリストに:
N = len(matrix)
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]