代码之家 › 专栏 › 技术社区 › Rafael Valero

从ndarray Python 2.7中删除列和行

numpy-ndarray slice rows multiple-columns python-2.7

0

Rafael Valero · 技术社区 · 7 年前

我已经在Python 2.7中实现了从ndarray中删除一些列和行的算法,但是我觉得应该有更好的方法。可能我不知道如何在Python中做好这件事,这就是为什么我在这里提出这些问题。我一直在搜索,但没有成功地在文档中找到类似的问题(例如 slicing and indexing documentation from scipy )

假设我有一个包含一些行和列的ndarray:

number_of_rows = 3
number_of_columns = 3
a = np.arange(number_of_rows*number_of_columns).reshape(number_of_rows,number_of_columns)
a

哪个输出是:

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

让我们补充一下,我想删除前一个ndarray的一些列和/或行。我特别想删除第0列和第1行,这是一个如下输出:

array([[1, 2],
       [7, 8]])

要做到这一点,我遵循以下步骤,但是它们看起来太不优雅了,我觉得它们应该是更好的实现。

在本例中,我选择要删除的列和行:

rows_to_remove = [1]
columns_to_remove = [0]

现在,我创建了两个列表,其中包含要保留的列和行。
```
rows_to_keep = list(set(range(0,a.shape[0]))-set(rows_to_remove))
columns_to_keep = list(set(range(0,a.shape[1]))-set(columns_to_remove))
```
通过使用~对矩阵的索引进行切片(在python ndarray中),Matlab中的这一步骤将更加简单。 有没有更好的方法? .
然后选择要保留的列和行:
```
a[rows_to_keep,:][:,columns_to_keep]
```

输出:

数组([[1,2],
[7, 8]])

请注意,如果您只写:

a[rows_to_keep,columns_to_keep]

哪个输出是:

array([1, 8])

这对我来说有点像袜子 a[rows_to_keep,columns_to_keep] 不同于 a[rows_to_keep,:][:,columns_to_keep] . 有没有更好的方法来覆盖这些步骤?

非常感谢你

2 回复 | 直到 7 年前

1

0

I.Seck 7 年前

您可以使用delete方法完成此操作: 以问题中给出的数组为例。它是这样的:

number_of_rows = 3
number_of_columns = 3
a=np.arange(number_of_rows*number_of_columns).reshape(number_of_rows,number_of_columns)
b=np.delete(a,1,0)
b=np.delete(b,0,1)

瞧,b包含你想要的输出数组!!

2

0

Rafael Valero 7 年前

对于 问题2)

而不是:

a[rows_to_keep,:][:,columns_to_keep]

使用:

a[np.ix_(rows_to_keep,columns_to_keep)].

这称为高级索引(请参阅[Numpy文档 1 和 Writting in sub-ndarray of a ndarray in the most pythonian way. Python 2 )

对于 问题1) 我将使用问题2之前的解决方案: a) 创建一个面具,有更优雅的方法,例如看 Create a boolean mask from an array ,但为了简单起见:

mask = np.zeros(a.shape,dtype=bool)
mask[rows_to_remove,:] = True
mask[:,columns_to_remove] = True

现在,您可以可视化:

a[~np.array(mask)]

请注意,现在不需要回答问题2)。

总结 :

mask = np.zeros(a.shape,dtype=bool)
mask[rows_to_remove,:] = True
mask[:,columns_to_remove] = True 
a[~np.array(mask)]

如果需要,您可以重塑:

a[~np.array(mask)].reshape(a.shape[0]-len(rows_to_remove),a.shape[1]-len(columns_to_remove))