Question

我在qr factorization中运行numpy，返回ndarrays列表，即Q和R：

>>> [q,r] = np.linalg.qr(np.array([1,0,0,0,1,1,1,1,1]).reshape(3,3))

R是一个二维数组，在底部有零线（甚至在我的测试集中的所有示例都证明了）：

>>> print r
[[ 1.41421356  0.70710678  0.70710678]
 [ 0.          1.22474487  1.22474487]
 [ 0.          0.          0.        ]]

。现在，我想将R划分为两个矩阵R_~：

[[ 1.41421356  0.70710678  0.70710678]
 [ 0.          1.22474487  1.22474487]]

和R_0：

[[ 0.          0.          0.        ]]

（提取所有零线）。它似乎接近这个解决方案：deleting rows in numpy array。

编辑：
更有趣的是：np.linalg.qr()返回n x n - 矩阵。不，我本来期待的：

A := n x m
Q := n x m
R := n x m

Answer 1

将np.all与axis参数一起使用：

>>> r[np.all(r == 0, axis=1)]
array([[ 0.,  0.,  0.]])
>>> r[~np.all(r == 0, axis=1)]
array([[-1.41421356, -0.70710678, -0.70710678],
       [ 0.        , -1.22474487, -1.22474487]])

Answer 2

因为数据不完全等于零，我们需要设置一个零的阈值，如1e-6，使用numpy.all和axis = 1来检查行是否为零。使用numpy.where和numpy.diff获取拆分位置，并调用numpy.split将数组拆分为数组列表。

import numpy as np
[q,r] = np.linalg.qr(np.array([1,0,0,0,1,1,1,1,1]).reshape(3,3))
mask = np.all(np.abs(r) < 1e-6, axis=1)
pos = np.where(np.diff(mask))[0] + 1
result = np.split(r, pos)

Answer 3

如果您想要删除条目可忽略不计的行，请使用np.allclose。

zero_row_indices = [i for i in r.shape[0] if np.allclose(r[i,:],0)]
nonzero_row_indices =[i for i in r.shape[0] if not np.allclose(r[i,:],0)]
r_new = r[nonzero_row_indices,:]

Answer 4

由于这是第一个修剪零线二维数组的谷歌结果之一，我想添加我的实现以仅删除二维中的前导零和尾随零：

p = np.where(t != 0)
t = t[min(p[0]) : max(p[0]) + 1, min(p[1]) : max(p[1]) + 1]

这假设您的数组名为 t，并且 numpy 被导入为 np。

删除零线2-D numpy数组

4 个答案: