¿Cómo se extrae una columna de una matriz multidimensional?

¿Alguien sabe cómo extraer una columna de una matriz multidimensional en Python?

>>> 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])

Vea también: "numpy.arange" y "rehape" para asignar memoria

Ejemplo: (Asignación de una matriz con forma de matriz (3x4))

nrows = 3
ncols = 4
my_array = numpy.arange(nrows*ncols, dtype='double')
my_array = my_array.reshape(nrows, ncols)

¿Podría ser que estás usando una matriz NumPy ? Python tiene el módulo de matriz , pero eso no admite matrices multidimensionales. Las listas normales de Python también son unidimensionales.

Sin embargo, si tiene una lista bidimensional simple como esta:

A = [[1,2,3,4],
     [5,6,7,8]]

entonces puedes extraer una columna como esta:

def column(matrix, i):
    return [row[i] for row in matrix]

Extrayendo la segunda columna (índice 1):

>>> column(A, 1)
[2, 6]

O alternativamente, simplemente:

>>> [row[1] for row in A]
[2, 6]

Si tienes una matriz como

a = [[1, 2], [2, 3], [3, 4]]

Luego extrae la primera columna así:

[row[0] for row in a]

Entonces el resultado se ve así:

[1, 2, 3]

¡Echale un vistazo!

a = [[1, 2], [2, 3], [3, 4]]
a2 = zip(*a)
a2[0]

es lo mismo que antes, excepto que de alguna manera es más ordenado, el zip hace el trabajo pero requiere matrices individuales como argumentos, la sintaxis * a desempaqueta la matriz multidimensional en argumentos de matriz única

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)

La función de mapa en Python es otra forma de hacerlo.

>>> 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]])

si quieres la segunda columna puedes usar

>>> x[:, 1]
array([ 1,  6, 11, 16])

[matrix[i][column] for i in range(len(matrix))]

¡El operador itemgetter también puede ayudar, si le gusta el estilo de reducción de mapas python, en lugar de las comprensiones de listas, para una pequeña variedad!

# 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)

También puedes usar esto:

values = np.array([[1,2,3],[4,5,6]])
values[...,0] # first column
#[1,4]

Nota: Esto no funciona para la matriz integrada y no está alineado (por ejemplo, np.array ([[1,2,3], [4,5,6,7]]))

Creo que desea extraer una columna de una matriz, como una matriz a continuación

import numpy as np
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

Ahora si quieres obtener la tercera columna en el formato

D=array[[3],
[7],
[11]]

Luego, primero debe hacer que la matriz sea una matriz

B=np.asmatrix(A)
C=B[:,2]
D=asarray(C)

Y ahora puede hacer cálculos sabios de elementos como lo haría en Excel.

digamos que tenemos n X mmatriz ( nfilas y mcolumnas) digamos 5 filas y 4 columnas

matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]

Para extraer las columnas en Python, podemos usar la comprensión de listas como esta

[ [row[i] for row in matrix] for in range(4) ]

Puede reemplazar 4 por el número de columnas que tenga su matriz. El resultado es

[ [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]

Una forma más de usar matrices

>>> from numpy import matrix
>>> a = [ [1,2,3],[4,5,6],[7,8,9] ]
>>> matrix(a).transpose()[1].getA()[0]
array([2, 5, 8])
>>> matrix(a).transpose()[0].getA()[0]
array([1, 4, 7])

Si tiene una matriz bidimensional en Python (no numpy), puede extraer todas las columnas de esta manera,

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]))

Ejecutar este código producirá,

>>> 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)

Por supuesto, puede extraer una sola columna por índice (por ejemplo columns[0])

A pesar de usar zip(*iterable)para transponer una lista anidada, también puede usar lo siguiente si las listas anidadas varían en longitud:

map(None, *[(1,2,3,), (4,5,), (6,)])

resultados en:

[(1, 4, 6), (2, 5, None), (3, None, None)]

La primera columna es así:

map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)

Bueno, un poco tarde ...

En caso de que el rendimiento sea importante y sus datos tengan una forma rectangular, también puede almacenarlos en una dimensión y acceder a las columnas mediante cortes regulares, por ejemplo ...

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]

Lo bueno es que esto es realmente rápido. ¡Sin embargo , los índices negativos no funcionan aquí! Por lo tanto, no puede acceder a la última columna o fila por el índice -1.

Si necesita indexación negativa, puede ajustar un poco las funciones de acceso, p. Ej.

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]

Si desea capturar más de una columna, simplemente use slice:

 a = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
    print(a[:, [1, 2]])
[[2 3]
[5 6]
[8 9]]

Prefiero la siguiente pista: tener la matriz nombrada matrix_ay usar column_number, por ejemplo:

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]

Simplemente use transpose (), luego puede obtener las columnas tan fácil como obtener filas

matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColum]

Todas las columnas de una matriz en una nueva lista:

N = len(matrix) 
column_list = [ [matrix[row][column] for row in range(N)] for column in range(N) ]