如何删除 numpy.array 中的列

Posted 2023-03-12

【中文标题】如何删除 numpy.array 中的列

【英文标题】：How to delete columns in numpy.array

【发布时间】：2010-12-11 04:38:51

【问题描述】：

我想删除 numpy.array 中的选定列。我就是这样做的：

n [397]: a = array([[ NaN,   2.,   3., NaN],
   .....:        [  1.,   2.,   3., 9]])

In [398]: print a
[[ NaN   2.   3.  NaN]
 [  1.   2.   3.   9.]]

In [399]: z = any(isnan(a), axis=0)

In [400]: print z
[ True False False  True]

In [401]: delete(a, z, axis = 1)
Out[401]:
 array([[  3.,  NaN],
       [  3.,   9.]])

在此示例中，我的目标是删除所有包含 NaN 的列。我期待最后一个命令 结果：

array([[2., 3.],
       [2., 3.]])

我该怎么做？

【参考方案1】：

这会创建另一个没有这些列的数组：

  b = a.compress(logical_not(z), axis=1)

【讨论】：

酷。我希望 matlab 的语法在这里工作：“a(:,z) = []” 要简单得多

@bpowah：确实。更一般的方法是 b = a[:,z]。您可能需要相应地更新您的答案

【参考方案2】：

另一种方法是使用掩码数组：

import numpy as np
a = np.array([[ np.nan,   2.,   3., np.nan], [  1.,   2.,   3., 9]])
print(a)
# [[ NaN   2.   3.  NaN]
#  [  1.   2.   3.   9.]]

np.ma.masked_invalid 方法返回一个屏蔽了 nans 和 infs 的屏蔽数组：

print(np.ma.masked_invalid(a))
[[-- 2.0 3.0 --]
 [1.0 2.0 3.0 9.0]]

np.ma.compress_cols 方法返回一个二维数组，其中任何列都包含 屏蔽值被抑制：

a=np.ma.compress_cols(np.ma.masked_invalid(a))
print(a)
# [[ 2.  3.]
#  [ 2.  3.]]

看 manipulating-a-maskedarray

【参考方案3】：

鉴于它的名字，我认为标准的方式应该是delete：

import numpy as np

A = np.delete(A, 1, 0)  # delete second row of A
B = np.delete(B, 2, 0)  # delete third row of B
C = np.delete(C, 1, 1)  # delete second column of C

根据numpy's documentation page，numpy.delete的参数如下：

numpy.delete(arr, obj, axis=None)

arr 指的是输入数组， obj 指的是哪些子数组（例如列/行号或数组的切片）和 axis 指的是按列 (axis = 1) 或按行 (axis = 0) 的删除操作。

【讨论】：

我相信你应该引用numpy，而不是scipy。 docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html

只是添加说明：数组、索引和轴作为参数

【参考方案4】：

来自the numpy documentation的示例：

>>> a = numpy.array([[ 0,  1,  2,  3],
               [ 4,  5,  6,  7],
               [ 8,  9, 10, 11],
               [12, 13, 14, 15]])

>>> numpy.delete(a, numpy.s_[1:3], axis=0)                       # remove rows 1 and 2

array([[ 0,  1,  2,  3],
       [12, 13, 14, 15]])

>>> numpy.delete(a, numpy.s_[1:3], axis=1)                       # remove columns 1 and 2

array([[ 0,  3],
       [ 4,  7],
       [ 8, 11],
       [12, 15]])

【讨论】：

@alvas 这是一个组织良好的解释！ ***.com/questions/32682754/…

@Alvas，s_ 是：A nicer way to build up index tuples for arrays.：docs.scipy.org/doc/numpy/reference/generated/numpy.s_.html

【参考方案5】：

根据您的情况，您可以使用以下方法提取所需的数据：

a[:, -z]

“-z”是布尔数组“z”的逻辑否定。这与以下内容相同：

a[:, logical_not(z)]

【参考方案6】：

来自Numpy Documentation

np.delete(arr, obj, axis=None) 返回一个新数组，其中删除了沿轴的子数组。

>>> arr
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
>>> np.delete(arr, 1, 0)
array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]])

>>> np.delete(arr, np.s_[::2], 1)
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])
>>> np.delete(arr, [1,3,5], None)
array([ 1,  3,  5,  7,  8,  9, 10, 11, 12])

【参考方案7】：

>>> A = array([[ 1,  2,  3,  4],
               [ 5,  6,  7,  8],
               [ 9, 10, 11, 12]])

>>> A = A.transpose()

>>> A = A[1:].transpose()

【参考方案8】：

删除包含 NaN 的 Matrix 列。 这是一个冗长的答案，但希望很容易理解。

def column_to_vector(matrix, i):
    return [row[i] for row in matrix]
import numpy
def remove_NaN_columns(matrix):
    import scipy
    import math
    from numpy import column_stack, vstack

    columns = A.shape[1]
    #print("columns", columns)
    result = []
    skip_column = True
    for column in range(0, columns):
        vector = column_to_vector(A, column)
        skip_column = False
        for value in vector:
            # print(column, vector, value, math.isnan(value) )
            if math.isnan(value):
                skip_column = True
        if skip_column == False:
            result.append(vector)
    return column_stack(result)

### test it
A = vstack(([ float('NaN'), 2., 3., float('NaN')], [ 1., 2., 3., 9]))
print("A shape", A.shape, "\n", A)
B = remove_NaN_columns(A)
print("B shape", B.shape, "\n", B)

A shape (2, 4) 
 [[ nan   2.   3.  nan]
 [  1.   2.   3.   9.]]
B shape (2, 2) 
 [[ 2.  3.]
 [ 2.  3.]]

【讨论】：

其实我没关注你。这段代码是如何工作的？