對于 arrayb中的每個子串列，從串列中回傳a與子串列中正布林值相同位置的值b（即 True）。
import pandas as pd
import numpy as np
a = pd.Series([1, 3, 5, 7, 9]) # values to choose from
b = np.array([[False, True, False, True, False], # based on bools
[False, False, False, False, False]])
out = []
for i, v in enumerate(b):
out.append([])
for j in range(len(e)):
if v[j]:
out[i].append(a[j])
out = np.array(out) # np.array([[3,7],[]]) # result
# In first sublist, True is on index 1 and 3 which corresponds to values 3 and 7.
# In second sublist, there is not True, hence empty.
以上似乎太費力了，它可能沒有使用 numpy 矢量化（在大資料上速度很慢）。
uj5u.com熱心網友回復：
你Series是 1d；b是一個二維陣列。也有行索引，而Series普通陣列沒有。
In [70]: a.shape, b.shape
Out[70]: ((5,), (2, 5))
In [71]: a
Out[71]:
0 1
1 3
2 5
3 7
4 9
dtype: int64
我們可以使用b形狀為 (5,) 的 1d 行從 中選擇元素a：
In [72]: a[b[0,:]]
Out[72]:
1 3
3 7
dtype: int64
In [73]: a[b[1,:]]
Out[73]: Series([], dtype: int64)
由于行產生不同長度的結果，我們不能一步完成選擇。 a[b]給出錯誤，(5,) 和 (2,) 之間不匹配。
a使用1d的陣列版本可能更簡單，但沒有行索引：
In [103]: A = a.to_numpy(); A
Out[103]: array([1, 3, 5, 7, 9], dtype=int64)
將一行b應用于索引：
In [104]: A[b[0]]
Out[104]: array([3, 7], dtype=int64)
并迭代地對所有行執行此操作：
In [105]: [A[row] for row in b]
Out[105]: [array([3, 7], dtype=int64), array([], dtype=int64)]
我們可以從 中創建一個 (2,5) 陣列A，并應用b布爾掩碼 - 但結果將是 1d，沒有跡象表明第二行沒有選擇任何內容：
In [106]: np.vstack((A,A))
Out[106]:
array([[1, 3, 5, 7, 9],
[1, 3, 5, 7, 9]], dtype=int64)
In [107]: np.vstack((A,A))[b]
Out[107]: array([3, 7], dtype=int64)
用一行b或b本身進行索引就是我所說的“整個陣列”操作。但是b不能那樣使用單獨的行；它需要 Python 級別的迭代。
還有其他一些使用Aand的方法b：
乘法有效，其中b被視為 0 和 1 的陣列：
In [111]: A*b
Out[111]:
array([[0, 3, 0, 7, 0],
[0, 0, 0, 0, 0]], dtype=int64)
還有一個masked array陣列的子類：
In [112]: np.ma.masked_array(np.vstack((A,A)),~b)
Out[112]:
masked_array(
data=[[--, 3, --, 7, --],
[--, --, --, --, --]],
mask=[[ True, False, True, False, True],
[ True, True, True, True, True]],
fill_value=999999,
dtype=int64)
[105] 陣列串列可以變成一個objectdtype 陣列：
In [115]: np.array([A[row] for row in b],object)
Out[115]: array([array([3, 7], dtype=int64), array([], dtype=int64)], dtype=object)
這是 1d，形狀為 (2,)。有時它很有用，但在性能方面，它并不是對串列的改進。
uj5u.com熱心網友回復：
您可以簡單地使用：
a2 = a.to_numpy()
out = [a2[x] for x in b]
輸出：[array([3, 7]), array([], dtype=int64)]
uj5u.com熱心網友回復：
或者只使用陣列 b 作為掩碼，例如：
out = a[b[0]].to_numpy()
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/519648.html
上一篇：從較大的陣列中切出較小的陣列形狀