NumPy：使用列表按索引高效选择列
许多数据操作任务都涉及从 NumPy 矩阵中选择特定列。当要选择的列每行不同时，一种简单的方法是迭代数组，这对于大型数据集来说计算成本可能很高。
但是，NumPy 使用布尔或整数数组提供了更优化的解决方案。您可以创建与原始矩阵形状相同的矩阵，而不是列索引列表，其中每列都包含指示是否应选择该列的值。
例如，考虑以下矩阵：
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
以及以下索引矩阵：
[[False, True, False], [True, False, False], [False, False, True]]
使用 NumPy 的直接选择，您可以轻松提取所需的值：
<code class="python">a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) b = np.array([[False, True, False], [True, False, False], [False, False, True]]) selected_values = a[b]</code>
这将产生所需的输出:
[2, 4, 9]
或者，您可以使用 arange() 函数并直接选择以获得更高的效率：
<code class="python">selected_values = a[np.arange(len(a)), [1, 0, 2]]</code>
通过利用优化的 NumPy 选择方法，您可以显着提高通过改变每行索引选择列时数据操作任务的性能。
以上是如何使用 NumPy 中的列表按索引高效选择列？的详细内容。更多信息请关注PHP中文网其他相关文章！
