Come ottenere un valore da ogni colonna in una matrice Numpy

Question

Vorrei ottenere l'indice di un valore per ogni colonna in una matrice M. Per esempio:

M = matrix([[0, 1, 0], 
      [4, 2, 4], 
      [3, 4, 1], 
      [1, 3, 2], 
      [2, 0, 3]]) 

In pseudocodice, mi piacerebbe fare qualcosa di simile:

for col in M: 
    idx = numpy.where(M[col]==0) # Only for columns! 

e hanno idx essere 0, 4, 0 per ogni colonna.

Ho provato a utilizzare where, ma non capisco il valore restituito, che è una tupla di matrici.

Answer 1

La tupla di matrici è una raccolta di elementi adatti all'indicizzazione. L'output avrà la forma delle matrici di indicizzazione (o matrici) e ogni elemento nell'output verrà selezionato dall'array originale utilizzando il primo array come indice della prima dimensione, il secondo come indice della seconda dimensione, e così via. In altre parole, questo:

>>> numpy.where(M == 0) 
(matrix([[0, 0, 4]]), matrix([[0, 2, 1]])) 
>>> row, col = numpy.where(M == 0) 
>>> M[row, col] 
matrix([[0, 0, 0]]) 
>>> M[numpy.where(M == 0)] = 1000 
>>> M 
matrix([[1000, 1, 1000], 
     [ 4, 2, 4], 
     [ 3, 4, 1], 
     [ 1, 3, 2], 
     [ 2, 1000, 3]]) 

La sequenza potrebbe essere ciò che ti confonde. Procede in ordine appiattito - quindi M[0,2] appare in secondo luogo, non terzo. Se avete bisogno di riordinare loro, si potrebbe fare questo:

>>> row[0,col.argsort()] 
matrix([[0, 4, 0]]) 

È inoltre potrebbe essere meglio utilizzare le matrici invece di matrici. In questo modo puoi manipolare la forma degli array, che è spesso utile! Nota anche il trucco basato sulla trasposizione di ajcr, che è probabilmente preferibile all'utilizzo di argsort.

Infine, c'è anche un metodo nonzero che fa la stessa cosa di where in questo caso. Utilizzando il trucco trasposta ora:

>>> (M == 0).T.nonzero() 
(matrix([[0, 1, 2]]), matrix([[0, 4, 0]])) 

Answer 2

Il risultato di where(M == 0) sarebbe simile a questa

(matrix([[0, 0, 4]]), matrix([[0, 2, 1]])) prima matrice ti dice le righe in cui 0 s sono e seconda matrice ti dice le colonne in cui 0 s sono.

Out[4]: 
matrix([[0, 1, 0], 
     [4, 2, 4], 
     [3, 4, 1], 
     [1, 3, 2], 
     [2, 0, 3]]) 

In [5]: np.where(M == 0) 
Out[5]: (matrix([[0, 0, 4]]), matrix([[0, 2, 1]])) 

In [6]: M[0,0] 
Out[6]: 0 

In [7]: M[0,2] #0th row 2nd column 
Out[7]: 0 

In [8]: M[4,1] #4th row 1st column 
Out[8]: 0 

Answer 3

In alternativa al np.where, si potrebbe forse usare np.argwhere per restituire una matrice di indici in cui la matrice soddisfa la condizione:

>>> np.argwhere(M == 0) 
array([[[0, 0]], 

     [[0, 2]], 

     [[4, 1]]]) 

Questo voi ogni gli indici racconta nel formato [row, column] dove la condizione è stata soddisfatta.

Se preferite il formato di questo array di output per essere raggruppati per colonna piuttosto che fila, (vale a dire, [column, row]), basta usare il metodo sulla trasposizione della matrice:

>>> np.argwhere(M.T == 0).squeeze() 
array([[0, 0], 
     [1, 4], 
     [2, 0]]) 

I anche usato np.squeeze qui per sbarazzarsi dell'asse 1, così che ci rimane un array 2D. La sequenza desiderata è la seconda colonna, ovvero np.argwhere(M.T == 0).squeeze()[:, 1].

Answer 4

Questo non è nulla di nuovo in ciò che è stato già suggerito, ma una soluzione one-line è:

>>> np.where(np.array(M.T)==0)[-1] 
array([0, 4, 0]) 

(io d'accordo che NumPy matrix oggetti sono più problemi di quanto valgano).

Answer 5

>>> M = np.array([[0, 1, 0], 
...    [4, 2, 4], 
...    [3, 4, 1], 
...    [1, 3, 2], 
...    [2, 0, 3]]) 
>>> [np.where(M[:,i]==0)[0][0] for i in range(M.shape[1])] 
[0, 4, 0]