如何选择一个numpy数组的索引的倒数？

Question

我有大量的数据，需要比较该数组中所有样本的距离与该数组中所有其他元素的距离。以下是我的数据集的一个非常简单的示例。

import numpy as np
import scipy.spatial.distance as sd

data = np.array(
    [[ 0.93825827,  0.26701143],
     [ 0.99121108,  0.35582816],
     [ 0.90154837,  0.86254049],
     [ 0.83149103,  0.42222948],
     [ 0.27309625,  0.38925281],
     [ 0.06510739,  0.58445673],
     [ 0.61469637,  0.05420098],
     [ 0.92685408,  0.62715114],
     [ 0.22587817,  0.56819403],
     [ 0.28400409,  0.21112043]]
)


sample_indexes = [1,2,3]

# I'd rather not make this
other_indexes = list(set(range(len(data))) - set(sample_indexes))

sample_data = data[sample_indexes]
other_data = data[other_indexes]

# compare them
dists = sd.cdist(sample_data, other_data)

有没有一种方法可以为非示例索引的索引建立一个numpy数组？在上面的示例中，我创建了一个名为other_indexes的列表。由于各种原因，我宁愿不必这样做（大型数据集，线程，正在运行的系统上的内存非常低等，等等）。有没有办法做类似的事情..

other_data = data[ indexes not in sample_indexes]

我读到numpy面具可以做到这一点，但我尝试过…

other_data = data[~sample_indexes]

这给了我一个错误。我必须创建一个面具吗？

Answer 1

mask = np.ones(len(data), np.bool)
mask[sample_indexes] = 0
other_data = data[mask]

对于单行语句而言，这并不是最优雅的方法，但是它相当高效，并且内存开销也最小。

如果您最关心的是内存，则np.delete会避免创建掩码，而花哨索引无论如何都会创建一个副本。

再次考虑；np.delete不会修改现有的数组，因此它几乎与您要查找的单行语句完全相同。