如何删除Numpy数组中的特定元素

摘要： array 从NumPy的 index ，最直接的方法是调用函数 np.delete(array, index) ，该函数返回一个已删除元素的新数组。
问题： 给定一个Numpy数组；如何从Numpy数组中删除特定元素？
例子。 考虑下面这个Numpy数组，如下图所示。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
挑战： 你将如何从上述数组中删除元素20 和40?
预期的输出。
[10 30 50]
方法1：使用numpy.delete()
前提是。
numpy.delete() 是Numpy库中的一个方法，它可以根据给定的索引/位置从一个numpy数组中删除元素。

语法。 numpy.delete(arr, obj, axis=None)

arr表示要删除的元素所在的numpy数组。
obj 表示要从numpy数组中删除的元素的索引/位置或索引列表。
axis 代表你要删除的元素的轴,即,
axis = 1 表示删除列中的元素。
axis = 0 表示删除整个行的元素。
如果axis = None ，那么在应用delete之前，将给定的数组平铺。
在删除指定的索引/索引处的元素后，它返回一个传递的numpy数组的副本。
⦿使用索引删除数组元素
办法是。 使用numpy.array(arr,obj) 函数，使obj代表一个索引列表，其中的元素必须被删除。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
delete_indices = [1, 3]
new_arr = np.delete(arr, delete_indices)
print(new_arr)
[10 30 50]
⦿Delete Array Elements Directly
np.where() 是Numpy库的一个函数，它允许你根据一个特定的条件从一个给定的Numpy数组中选择某些元素。
调用numpy.where(condition) 函数来创建一个布尔掩码。你可以在&(and), |(or)等操作符的帮助下提供多个条件。在我们的例子中，选择要删除的两个元素的条件将是：np.where((arr == 20) | (arr == 40)) 。
一旦元素被选中，调用numpy.delete(arr, obj) 方法，这样obj 代表基于指定条件的索引处的元素。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
new_arr = np.delete(arr, np.where((arr == 20) | (arr == 40)))
print(new_arr)
[10 30 50]
方法2：使用numpy.setdiff1d
前提是。
numpy.setdiff1d(arr1, arr2, assume_unique=False) 是Numpy库中的一个函数，可以找到两个数组之间的差值，并返回两个数组中的唯一值。
arr1和arr2代表输入数组。
assume_unique : bool
当这个参数是True ，那么输入的两个数组都被认为是唯一的，这就加快了计算速度。默认情况下，它是False 。
创建一个Numpy数组，存储要从给定数组中移除的元素。
调用np.setdiff1d(arr, arr_) ，使arr代表给定的数组，而arr_代表存储要删除的元素的数组。这将返回一个包含两个数组中都不存在的元素的数组。换句话说，要删除的元素将从原数组中删除。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
arr_ = np.array([20, 40])
new_arr = np.setdiff1d(arr, arr_)
print(new_arr)
[10 30 50]
注意。 setdiff1d 将产生一个排序的输出。
方法3：使用~np.isin
numpy.isin(target_array, list) 方法通过比较一个数组和另一个有不同大小元素的数组，返回一个布尔数组。
import numpy as np
arr_1 = np.array([10, 20, 30, 40, 50])
arr_2 = np.array([10, 30, 50])
res = np.isin(arr_1, arr_2)
print(res)
# OUTPUT: [ True False  True False  True]
⦿Delete by Elements
创建一个包含要删除的元素的数组。
对给定的数组和包含要删除的元素的数组调用~np.isin(arr, arr_) 。通过检查传递的两个数组中的值，否定并创建一个布尔掩码。
通过将上面生成的布尔掩码作为arr[~np.isin(arr, arr_)] ，返回结果数组。这里，arr代表给定数组，布尔掩码帮助我们收集元素的True 值。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
arr_ = np.array([20, 40])
new_arr = arr[~np.isin(arr, arr_)]
print(new_arr)
# OUTPUT --> [10 30 50]
⦿Delete by Indices
在我们深入解释之前，让我们先看一下这段代码。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
indices_to_remove = [1, 3]
new_arr = arr[~np.isin(np.arange(arr.size), indices_to_remove)]
print(new_arr)
# OUTPUT --> [10 30 50]
解释。为 了理解上述方法背后的工作原理，让我们看一下程序的步骤分解。
arr➜ [10, 20, 30, 40, 50]。
indices_to_remove➜ [1, 3] 。
现在让我们深入了解以下这行代码背后的工作原理。arr[~np.isin(np.arange(arr.size), indices_to_remove)].为了理解这一点，让我们把它分解，找出这行代码中使用的每个函数所返回的输出。
arr.size 返回5
np.arange(arr.size) 返回 [0,1,2,3,4] 。
因此，我们有一个看起来像这样的函数。arr[~np.isin([0,1,2,3,4], [1,3])]
这进一步评估为。arr[~([ False True False True False])]
经过否定。arr[True False True False True]
最后将返回标记为True 的索引处的值，即索引0,1,3的值。因此，输出是[10 30 50] 。
方法4：使用~np.in1d
办法。如 果你不知道你要删除的元素的索引，你可以利用Numpy库的in1d函数。
np.in1d() 函数对两个一维数组进行比较，如果一个数组中的元素也出现在另一个数组中，则返回True 。要删除这些元素，你只需否定这个函数所返回的值。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
arr_ = np.array([20, 40])
new_arr = arr[~np.in1d(arr, arr_)]
print(new_arr)
# OUTPUT --> [10 30 50]
方法5：使用列表理解法
解决这个问题的另一个变通方法是使用一个**列表**理解，如下所示。虽然这可能不是解决我们问题的最pythonic的方法，但它解决了这个问题。因此，我们在本教程中加入了这个解决方案。
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
indices = np.array([1, 3])  # feed the indices to be removed in an array
new_arr = [val for i, val in enumerate(arr) if all(i != indices)]
print(new_arr)
# OUTPUT --> [10, 30, 50]
奖励：在Python中从二维数组中删除一个特定元素
例1:删除一个行
import numpy as np
print("Input Matrix:")
arr = np.arange(10, 22)
matrix = arr.reshape(3,4)
print(matrix)
print("\nOutput Matrix:")
# deleting elements from 10 till 13, i.e, row 1.
new_matrix = np.delete(matrix, 0, axis=0)
print(new_matrix)
Input Matrix:
[[10 11 12 13]
 [14 15 16 17]
 [18 19 20 21]]
Output Matrix:
[[14 15 16 17]
 [18 19 20 21]]
例2:删除一列
import numpy as np
print("Input Matrix:")
arr = np.arange(10, 22)
matrix = arr.reshape(3, 4)
print(matrix)
print("\nOutput Matrix:")
# deleting the first column
new_matrix = np.delete(matrix, 0, axis=1)
print(new_matrix)
Input Matrix:
[[10 11 12 13]
 [14 15 16 17]
 [18 19 20 21]]
Output Matrix:
[[11 12 13]
 [15 16 17]
 [19 20 21]]
复制代码