时间戳

首页 > 解决方案 > 在numpy数组中按值选择性删除

python - 在numpy数组中按值选择性删除

问题描述

编辑：完善的问题陈述

我仍在研究 numpy 库提供的精美选项。我的办公桌上出现了以下主题：

目的： 在多维数组中，我选择一列。这种切片效果很好。但在那之后，存储在另一个列表中的值需要从列值中过滤掉。

当前状态：

array1 = np.asarray([[0,1,2],[1,0,3],[2,3,0]])
print(array1)
array1woZero = np.nonzero(array1)
print(array1woZero)
toBeRemoved = []
toBeRemoved.append(1)
print(toBeRemoved)   
column = array1[:,1]
result = np.delete(column,toBeRemoved)

上面提到的代码并没有带来预期的结果。事实上， np.delete() 命令只是删除索引 1 处的值 - 但我需要过滤掉1 的值。我也不明白将非零应用于array1 时的形状变化：虽然array1 是（3,3），但array1woZero 变成了一个由2 个dim 组成的元组，每个元组有6 个值。

0
Array of int64
(6,)
0
0
1
1
2
2

1
Array of int64
(6,)
1
2
0
2
0
1

我的感觉是，我需要使用排除运算符进行切片。你有什么提示让我解决这个问题吗？有必要使用不同的数据结构吗？

标签： pythonpython-3.xnumpynumpy-slicing

解决方案

In [18]: arr = np.asarray([[0,1,2],[1,0,3],[2,3,0]])                                     
In [19]: arr                                                                             
Out[19]: 
array([[0, 1, 2],
       [1, 0, 3],
       [2, 3, 0]])

nonzeroarr给出其参数 ( )的所有非零元素的索引：

In [20]: idx = np.nonzero(arr)                                                           
In [21]: idx                                                                             
Out[21]: (array([0, 0, 1, 1, 2, 2]), array([1, 2, 0, 2, 0, 1]))

这是一个数组元组，每个维度一个。该输出可能会令人困惑，但它很容易用于返回所有这些非零元素：

In [22]: arr[idx]                                                                        
Out[22]: array([1, 2, 1, 3, 2, 3])

像这样使用一对数组进行索引会产生一个一维数组。在您的示例中，每行只有一个 0，但通常情况并非如此。

这是相同的索引 - 具有相同长度的 2 个列表：

In [24]: arr[[0,0,1,1,2,2], [1,2,0,2,0,1]]                                               
Out[24]: array([1, 2, 1, 3, 2, 3])

idx[0]只需选择该元组的数组，即行索引。那可能不是你想要的。我怀疑你是否想申请np.delete那个元组。

很难从描述和代码中看出你想要什么。也许那是因为你不明白nonzero产生了什么。

我们还可以使用布尔掩码选择非零元素：

In [25]: arr>0                                                                           
Out[25]: 
array([[False,  True,  True],
       [ True, False,  True],
       [ True,  True, False]])
In [26]: arr[ arr>0 ]                                                                    
Out[26]: array([1, 2, 1, 3, 2, 3])

推荐阅读