如何使用条件从多维 numpy 数组中删除子数组？答案

【问题标题】：How to delete sub-arrays from multidimensional numpy arrays using a condition?如何使用条件从多维 numpy 数组中删除子数组？
【发布时间】：2021-03-26 05:16:14
【问题描述】：

我正在尝试使用条件从多维 numpy 数组中删除子数组。在这个例子中，我想删除所有包含值 999 的子数组。这是我失败的尝试之一：

a = np.array([[[1,2,3], [1,2,3]],
              [[999,5,6], [4,5,6]],
              [[999,8,9], [7,999,9]]
              ])

for i in range(0,len(a)):
    if 999 in a[i]:
        np.delete(a, i, 0)

我想要的结果是：

array([[1,2,3], [1,2,3]])

这只是一个小例子，它应该可以帮助我理解一个更大的问题，它看起来像这样：

# win_list_hyper.shape -> (1449168, 233)
# win_list_multi.shape -> (1449168, 12, 5, 5)

win_list_hyper = np.where(win_list_hyper <= 0, -3.40282e+38, win_list_hyper)
win_list_multi = np.where(win_list_multi <= 0, -3.40282e+38, win_list_multi)


# fail!:
for i in range(0,len(win_list_multi)):
    
    if -3.40282e+38 in win_list_multi[i] or -3.40282e+38 in win_list_hyper[i]:
        
        np.delete(win_list_multi, i, 0)
        np.delete(win_list_hyper, i, 0)

（顺便说一句。如果您知道如何提高效率，请告诉我！）

【问题讨论】：

标签： python arrays numpy for-loop conditional-statements

【解决方案1】：

您的第一次尝试失败，因为np.delete 没有就地操作（即它没有修改数组，而是返回一个新数组）。此外，在迭代数组时从数组中删除元素通常不是一个好主意（除非您知道自己在做什么）。

你可以像下面这样使用np.where：

inds = np.where(a == 999)  # get indices where value equals 999
np.delete(a, inds[0], axis=0)   # delete along first dimension

结果：

array([[[1, 2, 3],
        [1, 2, 3]]])

【讨论】：

感谢您的帮助。我不得不意识到我的例子并不好。我不能那么容易地将您的解决方案转换为我的数据。你对我帮助很大。您的解决方案给了我掩盖我的数组的想法。我希望我的解决方案不会弄乱我的数据（例如随机播放）。

【解决方案2】：

Jussi Nurminen 解决方案适用于我的示例，但我不得不意识到我的示例并不好。我不能那么容易地将给定的解决方案转换为我的数据。 Jussi Nurminen 解决方案对我帮助很大，因为它给了我屏蔽数组的想法。我希望我的解决方案不会弄乱我的数据（例如随机播放）。对于那些有兴趣的人......

...这是我的（坏）示例的解决方案：

a = np.array([[[1,2,3], [1,2,3]],[[999,5,6], [4,5,6]],[[999,8,9], [7,999,9]]])

a_mask = []

for i in range(0,len(a)):
    if 999 in a[i]:
        x = 0
    else: x = 1
    
    a_mask.append(x)
 
a_mask = np.asarray(a_mask)
    
inds = np.where(a_mask == 0)
        
b = np.delete(a, inds, axis=0)

...这就是我的数据转换后的样子：


# win_list_multi.shape -> (1449168, 12, 5, 5)
# win_list_hyper.shape -> (1449168, 233


win_list_multi = np.where(win_list_multi <= 0, -1, win_list_multi)

win_list_hyper = np.where(win_list_hyper <= 0, -1, win_list_hyper)


win_list_multi_mask = []

for i in range(0,len(win_list_multi)):
    if -1 in win_list_multi[i]:
        x = 0
    else: x = 1
    
    win_list_multi_mask.append(x)

win_list_multi_mask = np.asarray(win_list_multi_mask)



win_list_hyper_mask = []

for i in range(0,len(win_list_hyper)):
    if -1 in win_list_hyper[i]:
        x = 0
    else: x = 1
    
    win_list_hyper_mask.append(x)

win_list_hyper_mask = np.asarray(win_list_hyper_mask)



inds = np.where((win_list_multi_mask == 0) | (win_list_hyper_mask == 0))


win_list_multi_nd = np.delete(win_list_multi, inds, axis=0) 
win_list_hyper_nd = np.delete(win_list_hyper, inds, axis=0) 

# win_list_multi_nd.shape -> (9679, 12, 5, 5)
# win_list_hyper_nd.shape -> (9679, 233)

【讨论】：