Jak usunąć określone elementy z tablicy numpy

Jak mogę usunąć niektóre określone elementy z tablicy numpy? Powiedz, że mam

import numpy as np

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

Następnie chcę usunąć 3,4,7z a. Wiem tylko indeks wartości ( index=[2,3,6]).

Użyj numpy.delete () - zwraca nową tablicę z usuniętymi pod-tablicami wzdłuż usuniętej osi

numpy.delete(a, index)

W przypadku konkretnego pytania:

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]`

Zauważ, że numpy.delete()zwraca nową tablicę, ponieważ skalary tablic są niezmienne, podobnie jak łańcuchy w Pythonie, więc za każdym razem, gdy wprowadzana jest do niej zmiana, tworzony jest nowy obiekt. Cytując delete() dokumenty :

„ Kopia arr z usuniętymi elementami określonymi przez obj. Pamiętaj, że usuwanie nie występuje w miejscu ...”

Jeśli kod, który publikuję, ma wynik, jest to wynikiem uruchomienia kodu.

Pomaga w tym wbudowana funkcja numpy.

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])

Tablica Numpy jest niezmienna , co oznacza, że ​​technicznie nie można usunąć z niej elementu. Możesz jednak zbudować nową tablicę bez wartości, których nie chcesz:

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

Aby usunąć według wartości:

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

Nie będąc odrętwioną osobą, zrobiłem zdjęcie z:

>>> 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])

Według moich testów osiąga to lepsze wyniki numpy.delete(). Nie wiem, dlaczego tak się dzieje, może z powodu małego rozmiaru początkowej tablicy?

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

To dość znacząca różnica (w przeciwnym kierunku, niż się spodziewałem), ktoś ma pojęcie, dlaczego tak się dzieje?

Co dziwniejsze, przekazywanie numpy.delete()listy działa gorzej niż zapętlanie listy i nadawanie jej pojedynczych wskaźników.

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

Edycja: Wydaje się, że ma to związek z rozmiarem tablicy. Przy dużych tablicach numpy.delete()jest znacznie szybszy.

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

Oczywiście to wszystko jest dość nieistotne, ponieważ zawsze powinieneś dążyć do jasności i unikać odkrywania koła na nowo, ale uważam to za trochę interesujące, więc pomyślałem, że zostawię to tutaj.

Jeśli nie znasz indeksu, nie możesz go użyć logical_and

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

Używanie np.deletejest najszybszym sposobem na zrobienie tego, jeśli znamy wskaźniki elementów, które chcemy usunąć. Jednak dla kompletności dodam inny sposób „usuwania” elementów tablicy za pomocą maski logicznej utworzonej za pomocą np.isin. Ta metoda pozwala nam usunąć elementy, określając je bezpośrednio lub według ich indeksów:

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

Usuń według indeksów :

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

Usuń według elementów (nie zapomnij odtworzyć oryginału, aponieważ został przepisany w poprzednim wierszu):

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

Usuń określony indeks (usunąłem 16 i 21 z matrycy)

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

Wynik:

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

Możesz także użyć zestawów:

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]