在Python中，访问数组列的最佳方式是什么？

Question

在Matlab中，可以使用:来访问数组的一列。

>> array=[1 2 3; 4 5 6]

array =

     1     2     3
     4     5     6


>> array(:,2)

ans =

     2
     5

如何在Python中实现此功能？

>>> array=[[1,2,3],[4,5,6]]
>>> array[:,2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: list indices must be integers, not tuple
>>> array[:][2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>

附录

我希望有一个示例应用于三维以上的数组：

>> B = cat(3, eye(3), ones(3), magic(3))

B(:,:,1) =

     1     0     0
     0     1     0
     0     0     1


B(:,:,2) =

     1     1     1
     1     1     1
     1     1     1


B(:,:,3) =

     8     1     6
     3     5     7
     4     9     2

>> B(:,:,1)                             

ans =

     1     0     0
     0     1     0
     0     0     1

>> B(:,2,:)

ans(:,:,1) =

     0
     1
     0


ans(:,:,2) =

     1
     1
     1


ans(:,:,3) =

     1
     5
     9

- qazwsx

Answer 1

使用Numpy。

>>> import numpy as np
>>> 
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a[:, 2]
array([3, 6])

如果您来自Matlab，这应该会引起您的兴趣：链接

- Bruno

---

如@unutbu所说，为了在Python中实现与Matlab中的array(:,2)相同的效果，请使用a[:, 1]，因为Python是从0开始计数的。 - Bruno

不确定问题是一般性的还是想要使用一些数值代码。如果是后者，你绝对应该研究一下Numpy/Scipy（也许还取决于你所做的事情而考虑SciKits）。我不会尝试在Python中编写数值代码，而没有专门用于此目的的库。 - Bruno

如何处理维度大于3的数组？ - qazwsx

Answer 2

您可以使用内置的zip()函数按列将数据分组为二维列表：

>>> array=[[1,2,3],[4,5,6]]
>>> zip(*array)
[(1, 4), (2, 5), (3, 6)]
>>> zip(*array)[1]
(2, 5)

请注意索引从0开始，所以要像您的示例中获取第二列，您需要使用zip（*array）[1]而不是zip（*array）[2]。 zip()返回元组而不是列表，根据您使用它的方式，这可能不是问题，但如果您需要列表，您可以始终执行map(list，zip（*array）)或list(zip(*array)[1])进行转换。

- Andrew Clark

---

所以这只是矩阵转置。有没有将其转换为元组的特殊注释？ - qazwsx

Answer 3

如果您使用Matlab，您可能需要安装NumPy： 使用NumPy，您可以做到这一点：

In [172]: import numpy as np

In [173]: arr = np.matrix('1 2 3; 4 5 6')

In [174]: arr
Out[174]: 
matrix([[1, 2, 3],
        [4, 5, 6]])

In [175]: arr[:,2]
Out[175]: 
matrix([[3],
        [6]])

由于Python使用基于0的索引（而Matlab使用基于1的索引），要获得您发布的相同切片，您需要执行以下操作：

In [176]: arr[:,1]
Out[176]: 
matrix([[2],
        [5]])

---

构建更高维度的numpy数组也很容易。例如，您可以使用np.dstack：

In [199]: B = np.dstack( (np.eye(3), np.ones((3,3)), np.arange(9).reshape(3,3)) )

In [200]: B.shape
Out[200]: (3, 3, 3)

In [201]: B[:,:,0]
Out[201]: 
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

In [202]: B[:,:,1]
Out[202]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

In [203]: B[:,:,2]
Out[203]: 
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  5.],
       [ 6.,  7.,  8.]])

以下是从上述3个数组的第二列形成的数组:

In [204]: B[:,1,:]
Out[204]: 
array([[ 0.,  1.,  1.],
       [ 1.,  1.,  4.],
       [ 0.,  1.,  7.]])

Numpy没有创建幻方的函数。 嗅嗅

- unutbu

---

+1 对于数组索引的捕捉很好。不过我会使用数组而不是矩阵。来自这里："'array'或'matrix'? 我应该使用哪个？ 简短回答：使用数组。" - Bruno

是的，我同意您的偏好。一般来说，使用数组。不过将一个转换为另一个很容易：arr = np.asarray(arr)。 - unutbu

Answer 4

使用冒号在Python中进行索引/切片与matlab有些不同。如果你有一个数组，[:]将对其进行复制。如果你想要嵌套数组中特定索引处的所有值，你可能需要像这样：

array = [[1,2,3],[4,5,6]]
col1 = [inner[0] for inner in array] # note column1 is index 0 in Python.

- g.d.d.c

Answer 5

如果使用嵌套列表，你可以使用列表推导式：

array = [ [1, 2, 3], [4, 5, 6] ]
col2 = [ row[1] for row in array ]

请注意，由于Python本身不支持矩阵操作，col2是一个列表，因此“行”和“列”都是同样的类型，即列表。使用numpy包可以更好地支持矩阵计算。

- chepner

Answer 6

def get_column(array, col):
  result = []
  for row in array:
    result.appen(row[col])
  return result

使用方法如下（请记住索引从0开始）：

>>> a = [[1,2,3], [2,3,4]]
>>> get_column(a, 1)
[2, 3]

- freakish

---

你拼错了 .append。此外，列表推导式比逐个构建列表要好得多。 - Kirk Strauser

Answer 7

使用列表推导式从该列构建一个值列表：

def nthcolumn(n, matrix):
    return [row[n] for row in matrix]

如果你需要（可能是轻微的）性能提升，可以选择使用itemgetter：

from operator import itemgetter

def nthcolumn(n, matrix):
    nthvalue = itemgetter(n)
    return [nthvalue(row) for row in matrix]

- Kirk Strauser