有没有办法在python中删除numpy数组“就地”的特定元素：答案

【问题标题】：Is there any way to delete the specific elements of an numpy array "In-place" in python:有没有办法在python中删除numpy数组“就地”的特定元素：
【发布时间】：2016-11-04 15:43:24
【问题描述】：

当调用“np.delete()”时，我没有兴趣为缩小后的数组定义一个新变量。我想对原始的 numpy 数组执行删除。任何想法？

>>> arr = np.array([[1,2], [5,6], [9,10]])
>>> arr
array([[ 1,  2],
       [ 5,  6],
       [ 9, 10]])
>>> np.delete(arr, 1, 0)
array([[ 1,  2],
       [ 9, 10]])
>>> arr
array([[ 1,  2],
       [ 5,  6],
       [ 9, 10]])
but I want:
>>> arr
array([[ 1,  2],
       [ 9, 10]])

【问题讨论】：

arr = np.delete(arr, 1, 0) 有什么问题？
只做 arr = np.delete(arr, 1, 0) 有什么问题？或者您可以只调用 arr 而不使用方括号？
deleting rows in numpy array的可能重复

标签： python arrays numpy

【解决方案1】：

NumPy 数组是固定大小的，因此不能有 np.delete 的就地版本。任何此类函数都必须更改数组的大小。

最接近的方法是重新分配 arr 变量：

arr = numpy.delete(arr, 1, 0)

【讨论】：

【解决方案2】：

delete 调用不会修改原始数组，它会复制它并在删除完成后返回副本。

>>> arr1 = np.array([[1,2], [5,6], [9,10]])
>>> arr2 = np.delete(arr, 1, 0)
>>> arr1
array([[ 1,  2],
   [ 5,  6],
   [ 9, 10]])
>>> arr2 
array([[ 1,  2],
   [ 9, 10]])

【讨论】：

【解决方案3】：

如果是性能问题，您可能想尝试（但我不确定）创建一个视图*，而不是使用 np.delete。您可以通过切片来实现，这应该是 inplace 操作：

import numpy as np

arr = np.array([[1,  2], [5,  6], [9, 10]])
arr = arr[(0, 2), :]
print(arr)

导致：

[[ 1  2]
 [ 9 10]]

但是，这不会释放被排除行占用的内存。它可能会提高性能，但在内存方面，您可能会遇到相同或更糟的问题。另请注意，据我所知，没有办法通过排除进行索引（例如arr[~1] 会非常有用），这必然会使您花费资源来构建索引数组。

对于大多数情况，我认为其他用户给出的建议是：

arr = numpy.delete(arr, 1, 0)

，是最好的。在某些情况下，可能值得探索其他替代方案。

编辑： *这实际上是不正确的（感谢@user2357112）。花式索引不会创建视图，而是返回一个副本，如 documentation 所示（我应该在得出结论之前检查一下，对此感到抱歉）：

Advanced indexing always returns a copy of the data (contrast with basic slicing that returns a view).

所以我不确定这个花哨的索引建议是否值得作为一个实际的建议，除非它对 np.delete 方法有任何性能提升（我会在机会出现时尝试验证，见EDIT2）。

EDIT2：我进行了一个非常简单的测试，以查看通过反对删除功能使用花式索引是否有任何性能提升。使用timeit（实际上是我第一次使用，但似乎每个 sn-p 的执行次数为 1 000 000，因此时间的最高数字）：

import numpy as np
import timeit

def test1():
    arr = np.array([[1, 2], [5, 6], [9, 10]])
    arr = arr[(0, 2), :]

def test2():
    arr = np.array([[1, 2], [5, 6], [9, 10]])
    arr = np.delete(arr, 1, 0)

print("Equality test: ", test1() == test2())

print(timeit.timeit("test1()", setup="from __main__ import test1"))
print(timeit.timeit("test2()", setup="from __main__ import test2"))

结果如下：

Equality test:  True
5.43569152576767
9.476918448174644

这代表了非常可观的速度增益。不过请注意，为精美的索引构建序列需要时间。值不值当然要看解决的问题了。

【讨论】：

这实际上并没有创建视图。归类为高级索引的索引操作（例如您使用 (0, 2) 获得的操作）不会产生视图，因为它们不会产生创建视图所需的一致步幅。
@user2357112 是的。我应该先检查documentation。我的错，我会编辑帖子。您是否知道在性能方面这个选择是否会更快？如果不是这样，我的建议将毫无用处。
我认为它可以避免numpy.delete 的一些开销。

【解决方案4】：

您可以实现自己的delete 版本，它在要删除的元素之后复制数据元素，然后返回一个不包括（现已过时的）最后一个元素的视图：

import numpy as np


# in-place delete
def np_delete(arr, obj, axis=None):
    # this is a only simplified example
    assert (isinstance(obj, int))
    assert (axis is None)

    for i in range(obj + 1, arr.size):
        arr[i - 1] = arr[i]
    return arr[:-1]


Test = 10 * np.arange(10)
print(Test)

deleteIndex = 5
print(np.delete(Test, deleteIndex))
print(np_delete(Test, deleteIndex))

【讨论】：

我在一个算法中使用它，在该算法中，每一步都会删除一行和一列。这个解决方案已经比在那里使用numpy.delete 更快了。在这个函数上使用 Numba 模块中的 @jit 装饰器可以让它更快。
@JensRenders 听起来您正在删除多个项目 - 我希望您一次考虑所有删除并且只复制每个元素一次？听起来我懒得尝试在这里发布的实现:) 很高兴知道它在某些情况下更快。我猜你也像我上面暗示的那样逐块复制数据而不是逐个元素？
再想一想：在最坏的情况下，从一开始就删除元素，您的实现是否也更快？
是的，在代码中移动块更有意义。使用 @jit 装饰器后，它不再有任何区别。在任何情况下，我当前的代码都比 numpy.delete 运行得更快，因为它不需要分配新内存。如果我计时我的代码并分配一些无用的内存，它的速度与 numpy.delete 差不多

【解决方案5】：

您的代码没有问题。你只需要override变量

    arr = np.array([[1,2], [5,6], [9,10]])
    arr = np.delete(arr, 1, 0)

【讨论】：

这不改变了实际的对象。您只是将arr 名称指向一个新对象。请参阅此答案的其他回复。