NumPy: प्रति पंक्ति विशिष्ट कॉलम इंडेक्स का कुशल चयन

डेटा विश्लेषण में डेटा चयन एक महत्वपूर्ण ऑपरेशन है। NumPy सरणियों के साथ काम करते समय, प्रत्येक पंक्ति से विशिष्ट कॉलम का चयन करना एक सामान्य कार्य हो सकता है। यह चयन विभिन्न तरीकों से पूरा किया जा सकता है, लेकिन प्रति पंक्ति इंडेक्स की सूची के आधार पर कॉलम का चयन करने के लिए अधिक कुशल दृष्टिकोण की आवश्यकता होती है।

प्रत्यक्ष चयन के लिए बूलियन एरेज़ का उपयोग करना

यदि आपके पास चयनित किए जाने वाले कॉलम को इंगित करने वाली एक बूलियन सरणी है, तो आप वांछित मानों को कुशलतापूर्वक निकालने के लिए प्रत्यक्ष चयन का उपयोग कर सकते हैं। स्तंभों की श्रेणी के साथ सूचकांकों की सूची की तुलना करके बूलियन सरणियाँ बनाई जा सकती हैं। उदाहरण के लिए, जैसा कि प्रश्न में वर्णित है, एक मैट्रिक्स एक्स = एनपी.अरे([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) वाई = एनपी.सरणी([1, 0, 2]) b = np.arange(X.shape[1])[np.isin(np.arange(X.shape[1]), Y)]

import numpy as np

X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
Y = np.array([1, 0, 2])
b = np.arange(X.shape[1])[np.isin(np.arange(X.shape[1]), Y)]

result = X[np.arange(X.shape[0]), b]

result = X[np.arange(X.shape[0]), b]

वैकल्पिक तरीके

वैकल्पिक रूप से, आप सूचकांक सूची Y के आधार पर np.arange और प्रत्यक्ष चयन का उपयोग कर सकते हैं। इस दृष्टिकोण में सूचकांकों की एक श्रृंखला बनाना और उनमें से चयन करना शामिल है मैट्रिक्स X तदनुसार:

परिणाम = NumPy में प्रति पंक्ति विशिष्ट कॉलम इंडेक्स का चयन बूलियन सरणियों का उपयोग करके कुशलतापूर्वक किया जा सकता है। यह विधि अनुक्रमणिका की सूची के आधार पर स्तंभों का तेज़ और सीधा चयन प्रदान करती है। डेटा की बड़ी श्रृंखलाओं के लिए, यह दृष्टिकोण पुनरावृत्ति-आधारित तरीकों पर महत्वपूर्ण प्रदर्शन लाभ प्रदान करेगा।