Wyodrębnianie i przekształcania danych w numpy

Question

Załóżmy, że mam następujący numpy wektor

[[1, 3., 'John Doe', 'male', 'doc', '25'], 
    ..., 
[9, 6., 'Jane Doe', 'female', 'p', '28']] 

muszę wyodrębnić istotne dla moich danych konkurencji.

Jako nowicjusz w numpy i python w ogóle, chciałbym zrobić to w następujący sposób:

data = np.array(
[[1, 3., 'John Doe', 'male', 'doc', 25], 
[9, 6., 'Jane Doe', 'female', 'p', 28]] 
) 

data_tr = np.zeros((data.shape[0], 3)) 
for i in range(0, data.shape[0]): 
    data_tr[i][0] = data[i, 1] 
    data_tr[i][1] = 0 if data[i, 3] == 'male' else 1 
    data_tr[i][2] = data[i, 5] 

I w rezultacie mam następujący:

[[ 3., 0., 25.], 
[ 6., 1., 28.]] 

Co chciałbym wiedzieć, czy istnieje bardziej wydajny lub czystszy sposób wykonania tego.
Czy ktokolwiek może mi w tym pomóc?

Answer 1

Jedno podejście z column-indexing -

data_tr = np.zeros((data.shape[0], 3)) 
data_tr[:,[0,2]] = data[:, [1,5]] 
data_tr[:,1] = data[:,3]=='male' 

Uwaga że etap: data_tr[:,[0,2]] = data[:, [1,5]] pracuje poza kopiami odpowiednich kolumnach. Nie są one bardzo wydajne przy przydzielaniu i ekstrakcji. Więc może chcesz to zrobić w dwóch oddzielnych etapach, głównie pod kątem wydajności, jak tak -

data_tr[:,0] = data[:, 1] 
data_tr[:,2] = data[:, 5]