05_Numpy任意行&列的删除方法(numpy.delete)
函数Numpy.delete()可以删除ndarray数组中任意的行或者列。
指定要删除的轴(维度)和要删除的位置(行号,列号)。也可以通过切片或列表选择多个行或者列的编号。
对以下的内容进行说明:
-
Numpy.delete()基本的使用方法
- 删除指定的索引(行或者列):参数obj
- 删除指定的轴(维度):参数axis
-
一次删除多行和多列
-
多维数组的例
Numpy.delete()基本的使用方法
- Numpy.delete(arr,obj,axis=None)有以下3个参数:
- arr:输入数组
- obj:指定要通过的整数,切片或者列表(数组)删除的行号/列号
- axis:要删除的轴
以下是2维数组的例:
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
稍后进行详细的说明,例如:当删除第2行时,obj=1且axis=0。此时原始数组不会被改变,而是创建该数组的新副本。
a_del = np.delete(a, 1, 0)
print(a_del)
# [[ 0 1 2 3]
# [ 8 9 10 11]]
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
删除指定的索引(行或者列):参数obj
在第2个参数obj中,从0开始指定要删除的索引角标(行号/列号),指定不存在的索引角标将返回错误。
print(np.delete(a, 0, 0))
# [[ 4 5 6 7]
# [ 8 9 10 11]]
print(np.delete(a, 2, 0))
# [[0 1 2 3]
# [4 5 6 7]]
# print(np.delete(a, 3, 0))
# IndexError: index 3 is out of bounds for axis 0 with size 3
删除指定的轴(维度):参数axis
在第3个参数axis中,从0开始指定要删除的轴(维度)。对于二维数组来说,行是第一维度(从0开始)。指定不存在的维度将返回错误。
print(np.delete(a, 1, 0))
# [[ 0 1 2 3]
# [ 8 9 10 11]]
print(np.delete(a, 1, 1))
# [[ 0 2 3]
# [ 4 6 7]
# [ 8 10 11]]
# print(np.delete(a, 1, 2))
# AxisError: axis 2 is out of bounds for array of dimension 2
如果axis=None,则将obj指定的索引处的元素展平到一维后将其删除。由于轴的默认值为"无",因此如果省略的话,将执行默认的操作
print(np.delete(a, 1, None))
# [ 0 2 3 4 5 6 7 8 9 10 11]
print(np.delete(a, 1))
# [ 0 2 3 4 5 6 7 8 9 10 11]
一次删除多行和多列
如果在第二个参数obj中指定列表或切片,则可以一次删除多个行或列。
列表的指定
在列表中指定想要删除的行号或列号。
print(np.delete(a, [0, 3], 1))
# [[ 1 2]
# [ 5 6]
# [ 9 10]]
print(np.delete(a, [0, 1, 3], 1))
# [[ 2]
# [ 6]
# [10]]
切片的指定
[start:stop:step]格式来指定切片的范围,从而指定多个行或列。
Slice()的使用:
使用Slice()创建一个Slice对象,并在第2个参数obj中指定它。
如果只有1个参数,等效于[:stop],
如果只有2个参数,等效于[start:stop],
如果省略,则显式设置为None。
print(np.delete(a, slice(2), 1))
# [[ 2 3]
# [ 6 7]
# [10 11]]
print(np.delete(a, slice(1, 3), 1))
# [[ 0 3]
# [ 4 7]
# [ 8 11]]
print(np.delete(a, slice(None, None, 2), 1))
# [[ 1 3]
# [ 5 7]
# [ 9 11]]
np.s_的使用:
要以切片[start:stop:step]的形式描述时,也可以使用numpy.s_[]的书写方式(书写方式与Slice()相同)。
print(np.delete(a, np.s_[:2], 1))
# [[ 2 3]
# [ 6 7]
# [10 11]]
print(np.delete(a, np.s_[1:3], 1))
# [[ 0 3]
# [ 4 7]
# [ 8 11]]
print(np.delete(a, np.s_[::2], 1))
# [[ 1 3]
# [ 5 7]
# [ 9 11]]
行和列的指定
numpy.delete()无法一次删除多个维度(例如行和列)。要删除多个维度时,请重复使用numpy.delete()。
print(np.delete(np.delete(a, 1, 0), 1, 1))
# [[ 0 2 3]
# [ 8 10 11]]
多维数组的例
到目前位置,为了方便起,都是按照2维数组的行和列进行的描述。但是对于三维甚至更高维度的数组,该概念是相同的。
以下面的数组为例。
a_3d = np.arange(24).reshape(2, 3, 4)
print(a_3d)
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
#
# [[12 13 14 15]
# [16 17 18 19]
# [20 21 22 23]]]
print(a_3d.shape)
# (2, 3, 4)
在参数axis上指定维度,参数obj指定索引。
print(np.delete(a_3d, 1, 0))
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]]
print(np.delete(a_3d, 1, 1))
# [[[ 0 1 2 3]
# [ 8 9 10 11]]
#
# [[12 13 14 15]
# [20 21 22 23]]]
print(np.delete(a_3d, 1, 2))
# [[[ 0 2 3]
# [ 4 6 7]
# [ 8 10 11]]
#
# [[12 14 15]
# [16 18 19]
# [20 22 23]]]
使用列表和切片的方法也是相同的。
print(np.delete(a_3d, [0, 3], 2))
# [[[ 1 2]
# [ 5 6]
# [ 9 10]]
#
# [[13 14]
# [17 18]
# [21 22]]]
print(np.delete(a_3d, np.s_[::2], 2))
# [[[ 1 3]
# [ 5 7]
# [ 9 11]]
#
# [[13 15]
# [17 19]
# [21 23]]]