你如何从multidimensional array中提取一列？
有谁知道如何从Python中的multidimensional array中提取列？
>>> 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“重塑”来分配内存
例子:(分配matrix的整形（3×4））
nrows = 3 ncols = 4 my_array = numpy.arange(nrows*ncols, dtype='double') my_array = my_array.reshape(nrows, ncols)
难道你使用的是NumPy数组 ？ Python有数组模块，但不支持multidimensional array。 正常的Python列表也是单维的。
但是，如果你有一个简单的二维列表如下所示：
A = [[1,2,3,4], [5,6,7,8]]
那么你可以像这样提取一个列：
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，简单地说：
>>> [row[1] for row in A] [2, 6]
如果你有一个数组像
a = [[1, 2], [2, 3], [3, 4]]
然后你提取第一列：
[row[0] for row in a]
所以结果如下所示：
[1, 2, 3]
一探究竟！
a = [[1, 2], [2, 3], [3, 4]] a2 = zip(*a) a2[0]
它是一样的东西，除了不知何故是整洁的压缩工作，但需要单个数组作为参数，* a语法将multidimensional array解包成单个数组参数
itemgetter操作符也可以帮助你，如果你喜欢map-reduce风格的python，而不是list-comprehensions，只需要一个小小的变种！
# 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)
我想你想从一个数组，如下面的数组中提取一列
import numpy as np A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
现在，如果你想获得格式的第三列
D=array[[3], [7], [11]]
那么你需要先把这个数组做成一个matrix
B=np.asmatrix(A) C=B[:,2] D=asarray(C)
现在，您可以像在Excel中那样进行元素明智的计算。
[matrix[i][column] for i in range(len(matrix))]
你也可以使用这个：
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并且不alignment（例如np.array（[[1,2,3]，[4,5,6,7]]））
还有一种使用matrix的方法
>>> 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])
那么一点点迟到…
如果性能很重要，你的数据是矩形的，你也可以将它存储在一个维度，并通过定期切片访问列…
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]
整洁的事情是这真的很快。 然而 ，负面指标在这里不起作用！ 所以你不能通过索引-1访问最后一列或者一行。
如果你需要负面的索引，你可以调整一些访问函数，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]
比方说，我们有n X mmatrix（ n行m列）说5行4列
matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]
为了提取python中的列，我们可以使用像这样的列表理解
[ [row[i] for row in matrix] for in range(4) ]
你可以用任意数量的matrix代替4。 结果是
[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16,20] ]
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。
尽pipe使用zip(*iterable)转置嵌套列表，但如果嵌套列表的长度不同，也可以使用以下内容：
map(None, *[(1,2,3,), (4,5,), (6,)])
结果是：
[(1, 4, 6), (2, 5, None), (3, None, None)]
第一列是：
map(None, *[(1,2,3,), (4,5,), (6,)])[0] #>(1, 4, 6)
matrix中的所有列到新列表中：
N = len(matrix) column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]
