python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > numpy删除矩阵中的部分数据

numpy如何删除矩阵中的部分数据numpy.delete

作者:patrickpdx

这篇文章主要介绍了numpy如何删除矩阵中的部分数据numpy.delete问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

numpy删除矩阵中的部分数据

numpy.delete(arr ,id ,axis=None)

官方链接

功能:

(1)如果输入了axis,则把数组arraxis指定的维度进行切片,并删除掉id指定下标的元素

(2)如果没有输入axis,则把数组arr扁平化,并删除掉id指定下标的元素

示例:

import numpy as np
mat= np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print('mat=',mat)
print('删除第0行:',np.delete(mat,0,axis=0))
print('删除第0列:',np.delete(mat,0,axis=1))

结果:

mat= [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
删除第0行: [[ 5  6  7  8]
 [ 9 10 11 12]]
删除第0列: [[ 2  3  4]
 [ 6  7  8]
 [10 11 12]]

从numpy数组中随机删除一部分数据

可以使用numpy中的random.choice函数随机选择数组的下标

numpy.random.choice(a, size=None, replace=True, p=None)
#a为一维数组或int值,为一维数组时会从该数组中随机选择元素,为int值时会先生成一个np.arange(a)的数组,然后从中随机选择元素
#size为int值,为选择元素的个数
#replace默认为True,意思是随机选择出的元素还会放回样本集中,即生成的数列中可能存在相同的元素,为False时就不会出现
#p为样本选择的概率,默认为一致分布

一维例子,二维直接这样也没有问题

import numpy as np
data=np.random.random(size=10)
data
Out[4]: 
array([ 0.21575642,  0.30620622,  0.01454852,  0.46253994,  0.11222712,
        0.32893411,  0.11040516,  0.51010326,  0.83162364,  0.84285834])
index_1=np.random.choice(data.shape[0],4,replace=False)
index_1
Out[6]: array([1, 4, 2, 3])
data1=data[index_1]
data1
Out[8]: array([ 0.30620622,  0.11222712,  0.01454852,  0.46253994])

然后我们如何获得剩下的数组中的内容呢,我们可以先生成原数组所有的下标,然后用np.delete函数删除之前随机生成的下标数组

# numpy.delete(arr,obj,axis=None) 
# arr:输入向量 
# obj:表明哪一个子向量应该被移除。可以为整数或一个int型的向量 
# axis:表明删除哪个轴的子向量,若默认,则返回一个被拉平的向量
index_2=np.arange(data.shape[0])
index_2
Out[10]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
index_2=np.delete(index_2,index_1)
index_2
Out[12]: array([0, 5, 6, 7, 8, 9])
data2=data[index_2]
data2
Out[14]: 
array([ 0.21575642,  0.32893411,  0.11040516,  0.51010326,  0.83162364,
        0.84285834])

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
阅读全文