Jak usunąć określone elementy w tablicy numpy

Question

Jak usunąć niektóre elementy z tablicy numpy? Że mam

import numpy as np 

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

I wtedy usunąć 3,4,7 z a. Wszystko, co wiem, to indeks wartości (index=[2,3,6]).

Answer 1

Zastosowanie numpy.delete() - zwraca nowy tablicę z sub-macierzy wzdłuż osi usunięte

numpy.delete(a, index) 

dla 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 od array scalars są niezmienny, podobny do łańcuchów w Pythonie, więc za każdym razem, gdy jest do niego wprowadzana zmiana, tworzony jest nowy obiekt. Tj zacytować delete()docs:

"A copy of arr with the elements specified by obj removed. Note that delete does not occur in-place..."

Jeśli kod zamieścić ma wyjścia, jest wynikiem działania kodu.

Answer 2

Tablica Numpy to immutable, co oznacza, że ​​technicznie nie można usunąć z niej elementu. Jednakże, można skonstruować nowy tablicę bez wartości, których nie chcesz, tak:

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

Answer 3

Nie będąc numpy osoba, wziąłem strzał 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 moje testy, to lepsze wyniki niż numpy.delete(). Nie wiem, dlaczego tak się stało, może ze względu na mały rozmiar 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 istotną różnicę (w kierunku przeciwnym do czego się spodziewałem), ktoś ma jakiś pomysł, dlaczego tak się stanie?

Jeszcze dziwniej, przekazując numpy.delete() listę wykonuje gorzej niż zapętlenie na liście i podanie jej pojedynczych indeksów.

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 

Edytuj: Wygląda na to, że ma do czynienia 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 bardzo istotne, ponieważ zawsze należy przejść dla jasności i uniknąć wyważania otwartych drzwi, ale okazało się to mało interesujący, więc pomyślałem, że go tu zostawić.

Answer 4

Istnieje 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]) 

Answer 5

Jeśli nie znasz indeksu, nie można używać logical_and

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