Question

我已经实现了算法来从Python 2.7中的ndarray中删除一些列和行，但我觉得应该有更好的方法来实现它。可能我不知道如何在Python中做得好，这就是我在这里提出问题的原因。我一直在寻找，但我没有成功找到类似的问题和文档（例如在slicing and indexing documentation from scipy）

假设我有一个包含行和列的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]])

我们想要删除前一个ndarray的一些列和/或行。特别是我想删除第0列和第1行，这是一个输出，如：

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

要做到这一点，我按照以下步骤操作，但是它们看起来不太优雅，我认为它们应该是更好的实现。

我选择要移除的列和行，在此示例中为：
```
rows_to_remove = [1]
columns_to_remove = [0]
```
现在我创建了几个列表，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))
```
Matlab中的这一步将更简单，只需使用〜来切割矩阵的索引（在python ndarray中）。 有更好的方法吗？。
然后我选择要保留的列和行：
```
a[rows_to_keep,:][:,columns_to_keep]
```

输出：

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

请注意，如果你只是写：

a[rows_to_keep,columns_to_keep]

输出是：

array([1, 8])

这对我来说有点闷，a[rows_to_keep,columns_to_keep]与a[rows_to_keep,:][:,columns_to_keep]不同。 是否有更好的方法来涵盖这些步骤？

非常感谢

Answer 1

您可以使用delete方法完成此操作：使用您的问题中的数组作为示例。它会是这样的：

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)

和Voilà，b包含输出数组，你想要!!

Answer 2

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）创建一个掩码，有更优雅的方法来做，例如见Create a boolean mask from an array，但为简单起见：

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

现在您可以想象：

a[~np.array(mask)]

注意现在不需要问题2）回答。

<强>摘要：

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，你可以重塑：

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

从ndarray Python 2.7

2 个答案: