Numpy Indexación: Devolver el resto

Question

Un simple ejemplo de indexación numpy:

In: a = numpy.arange(10) 
In: sel_id = numpy.arange(5) 
In: a[sel_id] 
Out: array([0,1,2,3,4]) 

¿Cómo puedo devolver el resto de la matriz que no son indexados por sel_id? Lo que puedo pensar es:

In: numpy.array([x for x in a if x not in a[id]]) 
out: array([5,6,7,8,9]) 

¿Hay alguna manera más fácil?

Answer 1

Para este caso sencillo 1D, de hecho me gustaría usar una máscara booleana:

a = numpy.arange(10) 
include_index = numpy.arange(4) 
include_idx = set(include_index) #Set is more efficient, but doesn't reorder your elements if that is desireable 
mask = numpy.array([(i in include_idx) for i in xrange(len(a))]) 

Ahora usted puede conseguir sus valores:

included = a[mask] # array([0, 1, 2, 3]) 
excluded = a[~mask] # array([4, 5, 6, 7, 8, 9]) 

Tenga en cuenta que a[mask] no necesariamente producen los mismos cosa como a[include_index] ya que el orden de include_index importa para la salida en ese escenario (debe ser aproximadamente equivalente a a[sorted(include_index)]). Sin embargo, dado que el orden de los elementos excluidos no está bien definido, esto debería funcionar bien.

---

EDITAR

Una mejor manera de crear la máscara es:

mask = np.zeros(a.shape,dtype=bool) 
mask[include_idx] = True 

(gracias a Seberg).

Answer 2

numpy.setdiff1d(a, a[sel_id]) deberían hacer el truco. No sé si hay algo más ordenado que esto.

Answer 3

Es más como:

a = numpy.array([1, 2, 3, 4, 5, 6, 7, 4]) 
exclude_index = numpy.arange(5) 
include_index = numpy.setdiff1d(numpy.arange(len(a)), exclude_index) 
a[include_index] 
# array([6, 7, 4]) 

# Notice this is a little different from 
numpy.setdiff1d(a, a[exclude_index]) 
# array([6, 7] 

Answer 4

También, si son contiguas uso del [N:] sintaxis para seleccionar el resto. Por ejemplo, arr [5:] seleccionaría el quinto al último elemento de la matriz.

Answer 5

Esto se puede hacer muy bien con máscaras booleanas:

a = numpy.arange(10) 

mask = np.ones(len(a), dtype=bool) # all elements included/True. 
mask[[7,2,8]] = False    # Set unwanted elements to False 

print a[mask] 
# Gives (removing entries 7, 2 and 8): 
[0 1 3 4 5 6 9] 

Suma (tomado de @mgilson). La máscara binaria creada se puede usar muy bien para recuperar las divisiones originales con a[~mask]; sin embargo, esto solo es lo mismo si los índices originales fueron ordenados.

---

EDIT: se movió hacia abajo, ya que tenía que darse cuenta de que yo consideraría np.delete con errores en este momento (Sep. de 2012).

También podría usar np.delete, aunque las máscaras son más potentes (y en el futuro creo que debería ser una opción ACEPTABLE). Por el momento, sin embargo, es más lento que el anterior, y creará resultados inesperados con índices negativos (o pasos cuando se le da un corte).

print np.delete(a, [7,2,8]) 

Answer 6

Suponiendo que a es una matriz 1D, sólo podría hacer estallar los elementos que no desee de la lista de índices:

accept = [i for i in range(a.size) if i not in avoid_list] 
a[accept] 

También podría tratar de usar algo como

accept = sorted(set(range(a.size)) - set(indices_to_discard)) 
a[accept] 

La idea es utilizar la indexación elegante en el complementario del conjunto de índices que no desea.

Answer 7

Haría esto con una máscara booleana pero un poco diferente. Que tiene el beneficio de trabajar en N dimensiones, con índices continuos o no. El uso de la memoria dependerá de si se realiza una vista o copia para la matriz enmascarada y no estoy seguro.

import numpy 
a = numpy.arange(10) 
sel_id = numpy.arange(5) 
mask = numpy.ma.make_mask_none(a.shape) 
mask[sel_id] = True 
answer = numpy.ma.masked_array(a, mask).compressed() 
print answer 
# [5 6 7 8 9]