Question

我有一个稀疏的对称数组，如果给定行（和列）的所有单个条目都不满足某个阈值条件，我试图删除该数组的行和列。例如，如果

min_value = 2
a = np.array([[2, 2, 1, 0, 0], 
              [2, 0, 1, 4, 0], 
              [1, 1, 0, 0, 1], 
              [0, 4, 0, 1, 0], 
              [0, 0, 1, 0, 0]])

我想将行（和列）保留在至少为2或更大值的位置，以便通过上面的示例生成

a_new = np.array([2, 2, 0],
                 [2, 0, 4], 
                 [0, 4, 1]]

所以我会丢失第3行和第5行（以及第3列和第5列），因为每个条目都少于2个。我已经看过了 How could I remove the rows of an array if one of the elements of the row does not satisfy a condition?，Delete columns based on repeat value in one row in numpy array和Delete a column in a multi-dimensional array if all elements in that column satisfy a condition，但标记的解决方案并不适合我尝试完成的任务。

我在考虑做类似的事情：

a_new = []
min_count = 2

for row in a:
    for i in row:
        if i >= min_count:
            a_new.append(row)
    print(items)
print(temp)

但这不起作用，因为它没有删除坏列，如果有两个（或更多）实例的值大于阈值，它会多次追加一行。

Answer 1

您可以使用矢量化解决方案来解决它 - 如下所示 -

# Get valid mask
mask = a >= min_value

# As per requirements, look for ANY match along rows and cols and 
# use those masks to index into row and col dim of input array with
# 1D open meshes from np.ix_ and thus select a 2D slice out of it
out = a[np.ix_(mask.any(1),mask.any(0))]

表达它的一种更简单的方法是选择行，然后选择列，如下所示 -

a[mask.any(1)][:,mask.any(0)]

滥用输入数组的对称性，它会简化为 -

mask0 = (a>=min_value).any(0)
out = a[np.ix_(mask0,mask0)]

示例运行 -

In [488]: a
Out[488]: 
array([[2, 2, 1, 0, 0],
       [2, 0, 1, 4, 0],
       [1, 1, 0, 0, 1],
       [0, 4, 0, 1, 0],
       [0, 0, 1, 0, 0]])

In [489]: min_value
Out[489]: 2

In [490]: mask0 = (a>=min_value).any(0)

In [491]: a[np.ix_(mask0,mask0)]
Out[491]: 
array([[2, 2, 0],
       [2, 0, 4],
       [0, 4, 1]])

或者，我们可以使用有效掩码的行索引和列索引，如此 -

r,c = np.where(a>=min_value)
out = a[np.unique(r)[:,None],np.unique(c)]

再次滥用对称性质，简化版本将是 -

r = np.unique(np.where(a>=min_value)[0])
out = a[np.ix_(r,r)]

r也可以通过混合布尔运算获得 -

r = np.flatnonzero((a>=min_value).any(0))

如果行（或列）中的所有值都不满足给定的contion，则删除对称数组中的行和列

1 个答案: