从 NumPy 二维数组的内部维度中删除最小值答案

【问题标题】：Remove minima from inner dimension in NumPy 2D array从 NumPy 二维数组的内部维度中删除最小值
【发布时间】：2016-04-20 15:02:58
【问题描述】：

您好，我是 python 和矢量化的新手。

假设你有一个这样的 5x3 numpy 数组：

array([[ -1.262,  -4.034,   2.422],
       [ 13.849,  14.377,   4.951],
       [  3.203,  10.209,  -2.865],
       [  3.618,  -3.51 ,  -7.059],
       [ -0.098,  -5.012,   6.389]])

您希望得到一个新的 5x2 矩阵，并从每个内部维度中移除最小值，如下所示：

array([[ -1.262,   2.422],
       [ 13.849,  14.377],
       [  3.203,  10.209],
       [  3.618,  -3.51 ],
       [ -0.098,   6.389]])

实现这一目标的最佳方法是什么？我想它与矢量化有关？

谢谢！

【问题讨论】：

我总是对行和列感到困惑：正如您在问题中所打印的，您从 rows 中删除了最小值，而不是列。但可能有一种方法可以证明它是按列排列的。相反，将最小值从第二（内部）维度中移除可能会更好。
Numpy: How to get rid of the minima along axis=1, given the indices - in an efficient way?的可能重复
你是对的。我编辑了我的问题。我也糊涂了
由于您的仅标题编辑与问题文本（行与列）不一致，我已将两者都删除并替换为“内部维度”。

标签： arrays python-3.x numpy vectorization

【解决方案1】：

我认为有一个相对简单的函数，但它可能不在 numpy 中； pandas 可能更容易做到这一点。

使用 numpy，这是一种方法：

In [56]: a = np.array([[ -1.262,  -4.034,   2.422],
       [ 13.849,  14.377,   4.951],
       [  3.203,  10.209,  -2.865],
       [  3.618,  -3.51 ,  -7.059],
       [ -0.098,  -5.012,   6.389]])
In [57]: m = np.argmin(a, axis=1)
In [58]: indices = np.ones(shape=a.shape, dtype=bool)
In [59]: indices[np.arange(5), m] = False    
In [60]: a[indices].reshape((-1, a.shape[1]-1))
Out[60]:
array([[ -1.262,   2.422],
       [ 13.849,  14.377],
       [  3.203,  10.209],
       [  3.618,  -3.51 ],
       [ -0.098,   6.389]])

布尔索引的步骤是“反转”从np.argmin 返回的索引，因为后者返回整数索引，而不是布尔索引。

【讨论】：

我在输入这个答案后才注意到这个问题的重复：那里的两个答案与我的答案相似。
谢谢！这很有帮助:-)