Respostas:
>>> import numpy as np
>>> A = np.array([[1,2,3,4],[5,6,7,8]])
>>> A
array([[1, 2, 3, 4],
[5, 6, 7, 8]])
>>> A[:,2] # returns the third columm
array([3, 7])
Consulte também: "numpy.arange" e "remodelar" para alocar memória
Exemplo: (Alocando uma matriz com modelagem de matriz (3x4))
nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)
[row, col]
. a vírgula se separa.
Será que você está usando uma matriz NumPy ? O Python possui o módulo array , mas isso não suporta matrizes multidimensionais. As listas normais de Python também são unidimensionais.
No entanto, se você tiver uma lista bidimensional simples como esta:
A = [[1,2,3,4],
[5,6,7,8]]
então você pode extrair uma coluna como esta:
def column(matrix, i):
return [row[i] for row in matrix]
Extraindo a segunda coluna (índice 1):
>>> column(A, 1)
[2, 6]
Ou, alternativamente, simplesmente:
>>> [row[1] for row in A]
[2, 6]
Se você tiver uma matriz como
a = [[1, 2], [2, 3], [3, 4]]
Então você extrai a primeira coluna assim:
[row[0] for row in a]
Portanto, o resultado fica assim:
[1, 2, 3]
Confira!
a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]
é a mesma coisa que acima, exceto, de alguma forma, que o zip faz o trabalho, mas exige matrizes únicas como argumentos, a sintaxe * a descompacta a matriz multidimensional em argumentos de matriz única
a2 = zip(*a); a2 = list(a2); a2[0]
def get_col(arr, col):
return map(lambda x : x[col], arr)
a = [[1,2,3,4], [5,6,7,8], [9,10,11,12],[13,14,15,16]]
print get_col(a, 3)
A função map no Python é outro caminho a percorrer.
>>> x = arange(20).reshape(4,5)
>>> x array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
se você quiser a segunda coluna, você pode usar
>>> x[:, 1]
array([ 1, 6, 11, 16])
arange()
no Python3 fora do numpy. Qualquer um?
O operador itemgetter também pode ajudar, se você gosta de python com estilo de redução de mapa, em vez de compreensão de lista, por um pouco de variedade!
# tested in 2.4
from operator import itemgetter
def column(matrix,i):
f = itemgetter(i)
return map(f,matrix)
M = [range(x,x+5) for x in range(10)]
assert column(M,1) == range(1,11)
Eu acho que você deseja extrair uma coluna de uma matriz como uma matriz abaixo
import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
Agora, se você deseja obter a terceira coluna no formato
D=array[[3],
[7],
[11]]
Então você precisa primeiro fazer da matriz uma matriz
B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)
E agora você pode fazer cálculos com elementos, como faria no Excel.
digamos que temos n X m
matriz ( n
linhas e m
colunas) digamos 5 linhas e 4 colunas
matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]
Para extrair as colunas em python, podemos usar a compreensão de lista como esta
[ [row[i] for row in matrix] for in range(4) ]
Você pode substituir 4 pelo número de colunas que sua matriz tiver. O resultado é
[ [1,5,9,13,17],[2,10,14,18],[3,7,11,15,19],[4,8,12,16,20] ]
array = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
col1 = [val[1] for val in array]
col2 = [val[2] for val in array]
col3 = [val[3] for val in array]
col4 = [val[4] for val in array]
print(col1)
print(col2)
print(col3)
print(col4)
Output:
[1, 5, 9, 13]
[2, 6, 10, 14]
[3, 7, 11, 15]
[4, 8, 12, 16]
Se você tiver uma matriz bidimensional em Python (não numpy), poderá extrair todas as colunas dessa forma,
data = [
['a', 1, 2],
['b', 3, 4],
['c', 5, 6]
]
columns = list(zip(*data))
print("column[0] = {}".format(columns[0]))
print("column[1] = {}".format(columns[1]))
print("column[2] = {}".format(columns[2]))
A execução desse código produzirá,
>>> print("column[0] = {}".format(columns[0]))
column[0] = ('a', 'b', 'c')
>>> print("column[1] = {}".format(columns[1]))
column[1] = (1, 3, 5)
>>> print("column[2] = {}".format(columns[2]))
column[2] = (2, 4, 6)
Obviamente, você pode extrair uma única coluna por índice (por exemplo columns[0]
)
Apesar de usar zip(*iterable)
para transpor uma lista aninhada, você também pode usar o seguinte se as listas aninhadas variarem de comprimento:
map(None, *[(1,2,3,), (4,5,), (6,)])
resulta em:
[(1, 4, 6), (2, 5, None), (3, None, None)]
A primeira coluna é assim:
map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)
Bem, um pouco tarde ...
Caso o desempenho seja importante e seus dados tenham formato retangular, você também poderá armazená-los em uma dimensão e acessar as colunas fatiando regularmente, por exemplo ...
A = [[1,2,3,4],[5,6,7,8]] #< assume this 4x2-matrix
B = reduce( operator.add, A ) #< get it one-dimensional
def column1d( matrix, dimX, colIdx ):
return matrix[colIdx::dimX]
def row1d( matrix, dimX, rowIdx ):
return matrix[rowIdx:rowIdx+dimX]
>>> column1d( B, 4, 1 )
[2, 6]
>>> row1d( B, 4, 1 )
[2, 3, 4, 5]
O interessante é que isso é realmente rápido. No entanto , índices negativos não funcionam aqui! Portanto, você não pode acessar a última coluna ou linha pelo índice -1.
Se você precisar de indexação negativa, poderá ajustar um pouco as funções do acessador, por exemplo
def column1d( matrix, dimX, colIdx ):
return matrix[colIdx % dimX::dimX]
def row1d( matrix, dimX, dimY, rowIdx ):
rowIdx = (rowIdx % dimY) * dimX
return matrix[rowIdx:rowIdx+dimX]
Prefiro a próxima dica: ter a matriz nomeada matrix_a
e usar column_number
, por exemplo:
import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2
# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]
Basta usar transpose (), para que as colunas sejam tão fáceis quanto as linhas
matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColum]
Todas as colunas de uma matriz em uma nova lista:
N = len(matrix)
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]