从numpy数组中删除元素?

时间:2018-07-15 10:02:49

标签: python-3.x numpy

我有一个numpy数组

text = [[...],[...],[...],[...]]

文本中的元素数为4 X 80。

Values = [[...],[...],[...],[...]]

值中的元素数为4 X 80

现在,我要做的是在字符串字符在text text [3]块中结束之后,最后删除所有空格,我也希望删除相应的索引值

如何以最快的方式实现这一目标?

我希望将其概括化,以便当元素增加时,它应该起作用。

在网上学习的同时更新代码

**现在如何删除最后30个元素**

import numpy as np

a = np.array([[...],[...],[...],[...]])
count = 0
for elem in reversed(a[len(a)-1]):
    if elem == ' ':
        count = count + 1
        #new = np.delete(a[len(a)-1], np.where(elem == ' '), axis=0)
    if elem != ' ':
        break

2 个答案:

答案 0 :(得分:1)

编写一个仅弹出最后一个空格的函数:

 def mm(a,b):
       v = a.pop()
       if v==" ":
           b.pop()
           mm(a,b)
       else: a.append(v)

现在在列表上运行代码/最好在小数据上运行以确保其运行,然后再对整个数据运行,因为它会修改原始数据/通过引用进行调用。

[mm(x,y) for x,y in zip(text,Values)]  

现在剩余列表的大小是多少?

[len(x) for x in Values]
[80, 80, 80, 50]

[len(x) for x in text]
[80, 80, 80, 50]

该代码仅影响了第三个列表元素

答案 1 :(得分:1)

第一步,使用where获得所需的内容。

In [20]: np.where(a !=' ')
Out[20]: 
(array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2,
        2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
        2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
        2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,
        3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,
        3, 3, 3, 3]),
 array([ 1,  3,  4,  6,  7,  8,  9, 11, 13, 14, 16, 17, 18, 19, 21, 23, 24,
        26, 27, 28, 29, 31, 33, 34, 36, 37, 38, 39, 41, 43, 44, 46, 47, 48,
        49, 51, 53, 54, 56, 57, 58, 59, 61, 63, 64, 66, 67, 68, 69, 71, 73,
        74, 76, 77, 78, 79,  1,  3,  4,  6,  7,  8,  9, 11, 13, 14, 16, 17,
        18, 19, 21, 23, 24, 26, 27, 28, 29, 31, 33, 34, 36, 37, 38, 39, 41,
        43, 44, 46, 47, 48, 49, 51, 53, 54, 56, 57, 58, 59, 61, 62, 63, 64,
        65, 66, 67, 68, 69, 71, 73, 74, 76, 77, 79,  1,  3,  5,  6,  7,  8,
        10, 11, 12, 13, 15, 16, 17, 19, 21, 22, 24, 25, 26, 27, 28, 29, 30,
        31, 32, 33, 34, 35, 36, 37, 38, 40, 42, 43, 45, 46, 48, 50, 52, 54,
        55, 56, 57, 59, 60, 61, 62, 64, 65, 66, 68, 70, 71, 73, 74, 75, 76,
        77, 78, 79,  0,  1,  2,  3,  4,  5,  6,  7,  9, 11, 12, 14, 15, 17,
        19, 21, 23, 24, 25, 26, 28, 29, 30, 31, 33, 34, 35, 37, 39, 40, 42,
        43, 44, 45, 46, 47, 48, 49]))

然后通过以下方式对其进行过滤:

In [21]: a[np.where(a !=' ')]
Out[21]: 
array(['I', 'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o',
       'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o',
       'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g',
       'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm',
       'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a',
       'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd', 'I',
       'a', 'm', 'g', 'o', 'o', 'd', 'I', 'a', 'm', 'g', 'o', 'o', 'd',
       'I', 'a', 'm', 'g', 'o', 'o', 'd', 'n', 'e', 'w', '_', 'i', 't',
       'e', 'm', 's', '=', '[', 'x', 'i', 'f', 'x', '%', '2', 'e', 'l',
       's', 'e', 'N', 'o', 'n', 'e', 'f', 'o', 'r', 'x', 'i', 'n', 'i',
       't', 'e', 'm', 's', ']', 'n', 'e', 'w', '_', 'i', 't', 'e', 'm',
       's', '=', '[', 'x', 'i', 'f', 'x', '%', '2', 'e', 'l', 's', 'e',
       'N', 'o', 'n', 'e', 'f', 'o', 'r', 'x', 'i', 'n', 'i', 't', 'e',
       'm', 's', ']', 'n', 'e', 'w', '_', 'i', 't', 'e', 'm', 's', '=',
       '[', 'x', 'i', 'f', 'x', '%', '2', 'e', 'l', 's', 'e', 'N', 'o',
       'n', 'e', 'f', 'o', 'r', 'x', 'i', 'n', 'i', 't', 'e', 'm', 's',
       ']', '\\', 'n'],
      dtype='|S1')