如何删除numpy数组中的特定元素

Posted 2023-02-23

【中文标题】如何删除numpy数组中的特定元素

【英文标题】：How to remove specific elements in a numpy array

【发布时间】：2012-06-15 07:18:42

【问题描述】：

如何从 numpy 数组中删除某些特定元素？说我有

import numpy as np

a = np.array([1,2,3,4,5,6,7,8,9])

然后我想从a 中删除3,4,7。我只知道值的索引 (index=[2,3,6])。

【参考方案1】：

过滤掉不需要的部分：

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])
a = a[(a!=3)&(a!=4)&(a!=7)]

如果您有要删除的索引列表：

to_be_removed_inds = [2,3,6]
a = np.array([1,2,3,4,5,6,7,8,9])
a = a[[x for x in range(len(a)) if x not in to_be_removed]]

【参考方案2】：

如果您没有要删除的元素的索引，可以使用 numpy 提供的函数in1d。

如果一维数组的元素也存在于第二个数组中，则该函数返回True。要删除元素，您只需对该函数返回的值取反即可。

请注意，此方法保留原始数组的顺序。

In [1]: import numpy as np

        a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
        rm = np.array([3, 4, 7])
        # np.in1d return true if the element of `a` is in `rm`
        idx = np.in1d(a, rm)
        idx

Out[1]: array([False, False,  True,  True, False, False,  True, False, False])

In [2]: # Since we want the opposite of what `in1d` gives us, 
        # you just have to negate the returned value
        a[~idx]

Out[2]: array([1, 2, 5, 6, 8, 9])

【参考方案3】：

列表理解也是一种有趣的方法。

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
index = np.array([2, 3, 6]) #index is changed to an array.  
out = [val for i, val in enumerate(a) if all(i != index)]
>>> [1, 2, 5, 6, 8, 9]

【参考方案4】：

如果我们知道要删除的元素的索引，使用np.delete 是最快的方法。但是，为了完整起见，让我添加另一种“删除”数组元素的方法，它使用在np.isin 的帮助下创建的布尔掩码。此方法允许我们通过直接指定元素或通过它们的索引来删除元素：

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

按索引删除：

indices_to_remove = [2, 3, 6]
a = a[~np.isin(np.arange(a.size), indices_to_remove)]

按元素删除（不要忘记重新创建原始的a，因为它在上一行被重写）：

elements_to_remove = a[indices_to_remove]  # [3, 4, 7]
a = a[~np.isin(a, elements_to_remove)]

【参考方案5】：

你也可以使用集合：

a = numpy.array([10, 20, 30, 40, 50, 60, 70, 80, 90])
the_index_list = [2, 3, 6]

the_big_set = set(numpy.arange(len(a)))
the_small_set = set(the_index_list)
the_delta_row_list = list(the_big_set - the_small_set)

a = a[the_delta_row_list]

【参考方案6】：

删除特定索引（我从矩阵中删除了 16 和 21）

import numpy as np
mat = np.arange(12,26)
a = [4,9]
del_map = np.delete(mat, a)
del_map.reshape(3,4)

输出：

array([[12, 13, 14, 15],
      [17, 18, 19, 20],
      [22, 23, 24, 25]])

【参考方案7】：

按值删除：

modified_array = np.delete(original_array, np.where(original_array == value_to_delete))

【讨论】：

问题是关于按索引删除项目，而不是删除具有特定值的项目

【参考方案8】：

不知道索引就不能用logical_and

x = 10*np.random.randn(1,100)
low = 5
high = 27
x[0,np.logical_and(x[0,:]>low,x[0,:]<high)]

【参考方案9】：

使用numpy.delete() - 返回一个新 数组，其中删除了沿轴的子数组

numpy.delete(a, index)

针对您的具体问题：

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
index = [2, 3, 6]

new_a = np.delete(a, index)

print(new_a) #Prints `[1, 2, 5, 6, 8, 9]`

请注意，numpy.delete() 返回一个新数组，因为array scalars 是不可变的，类似于 Python 中的字符串，因此每次对其进行更改时，都会创建一个新对象。即，引用delete() docs：

"a copy arr 删除了 obj 指定的元素。请注意 删除不会就地发生..."

如果我发布的代码有输出，那是代码运行的结果。

【讨论】：

@IngviGautsson 当您进行编辑时，您还将元素的正确值从 2、3、6 更改为 3、4、7，如果您现在运行代码，您不会得到正确的输出原样。我正在回滚编辑

AttributeError: 'list' 对象没有属性 'delete'

@IngviGautsson 不，您的评论具有误导性。这按预期工作。但是， numpy.delete() 的文档确实指出“通常最好使用布尔掩码”；也给出了一个例子。

@Levon 你可以为 2D 添加示例吗？

@IngviGautsson 你错了。它确实需要删除项目的索引，而不是项目本身。

【参考方案10】：

有一个 numpy 内置函数可以帮助解决这个问题。

import numpy as np
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = np.array([3,4,7])
>>> c = np.setdiff1d(a,b)
>>> c
array([1, 2, 5, 6, 8, 9])

【讨论】：

很高兴知道。我在想 np.delete 会慢一些，但可惜的是，1000 个整数的 timeit 说 delete 快 x2。

这很棒，因为它对数组的 值 进行操作，而不必提供要删除的索引/索引。例如：np.setdiff1d(np.array(['one','two']),np.array(['two', 'three']))

这也会对输出进行排序，这可能不是我们想要的。否则非常好。

问题是“我所知道的只是值的索引”。所以，这是关于按索引删除项目，而不是按其值删除

【参考方案11】：

我不是一个麻木的人，我拍了一张照片：

>>> import numpy as np
>>> import itertools
>>> 
>>> a = np.array([1,2,3,4,5,6,7,8,9])
>>> index=[2,3,6]
>>> a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))
>>> a
array([1, 2, 5, 6, 8, 9])

根据我的测试，这优于numpy.delete()。我不知道为什么会这样，可能是由于初始数组的大小很小？

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))"
100000 loops, best of 3: 12.9 usec per loop

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "np.delete(a, index)"
10000 loops, best of 3: 108 usec per loop

这是一个非常显着的差异（与我的预期相反），有人知道为什么会这样吗？

更奇怪的是，传递numpy.delete() 一个列表比循环遍历列表并为其赋予单个索引更糟糕。

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "for i in index:" "    np.delete(a, i)"
10000 loops, best of 3: 33.8 usec per loop

编辑：它似乎与数组的大小有关。对于大型数组，numpy.delete() 的速度明显更快。

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))"
10 loops, best of 3: 200 msec per loop

python -m timeit -s "import numpy as np" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "np.delete(a, index)"
1000 loops, best of 3: 1.68 msec per loop

显然，这一切都无关紧要，因为您应该始终保持清晰并避免重新发明***，但我发现它有点有趣，所以我想我会把它留在这里。

【讨论】：

小心你实际比较的东西！您在第一次迭代中有a = delte_stuff(a)，这使得a 在每次迭代中都变小了。当您使用 inbuild 函数时，您不会将值存储回 a，这会使 a 保持原始大小！除此之外，当您创建一组 index 并检查是否删除项目时，您可以大大加快您的功能。解决这两个问题，我得到了 10k 个项目：使用您的函数每个循环 6.22 毫秒，numpy.delete 为 4.48 毫秒，这大致是您所期望的。

另外两个提示：不要使用np.array(list(range(x)))，而是使用np.arange(x)，对于创建索引，您可以使用np.s_[::2]。

【参考方案12】：

Numpy 数组是immutable，这意味着从技术上讲，您不能从中删除项目。但是，您可以构造一个 new 数组而不包含您不想要的值，如下所示：

b = np.delete(a, [2,3,6])

【讨论】：

+1 用于提及“不可变”。记住，numpy 数组不适合快速更改大小（追加/删除元素）

从技术上讲，numpy 数组是可变的。例如，这个：a[0]=1 就地修改了a。但它们不能调整大小。

定义说它是不可变的，但是如果通过分配新的值让你修改，那么它怎么不可变呢？