我有一个大小的数组：（50,50）。在这个数组中有一个大小的片（20,10）。 只有这个切片包含数据，余数全部设置为nan。
如何从我的大阵列中切出这个切片？
答案 0 :(得分：3)
您可以使用精美的索引来收集not NaN的项目：
a = a[ np.logical_not( np.isnan(a) ) ].reshape(20,10)
或者，正如Joe Kington所建议的那样：
a = a[ ~np.isnan(a) ]
答案 1 :(得分：1)
你知道NaNs在哪里吗？如果是这样，这样的事情应该有效：
newarray = np.copy(oldarray[xstart:xend,ystart:yend])
其中xstart和xend是x维中所需切片的开头和结尾，y类似。然后，如果您不再需要，可以删除旧数组以释放内存。
如果您不知道NaN在哪里，这应该可以解决问题：
# in this example, the starting array is A, numpy is imported as np
boolA = np.isnan(A) #get a boolean array of where the nans are
nonnanidxs = zip(*np.where(boolA == False)) #all the indices which are non NaN
#slice out the nans
corner1 = nonnanidxs[0]
corner2 = nonnanidxs[-1]
xdist = corner2[0] - corner1[0] + 1
ydist = corner2[1] - corner1[1] + 1
B = copy(A[corner1[0]:corner1[0]+xdist,corner1[1]:corner1[1]+ydist])
#B is now the array you want
请注意，对于大型数组来说这会非常慢，因为np.where会查看整个数组。数字错误跟踪器中有一个未解决的问题，即找到第一个索引等于某个值然后停止的方法。可能有更优雅的方式来实现这一点，这只是我头脑中的第一件事。
编辑：忽略，sgpc的答案要好得多。