从 3d numpy 数组中删除 2d 切片答案

【问题标题】：Remove 2d slice from 3d numpy array从 3d numpy 数组中删除 2d 切片
【发布时间】：2019-10-07 18:57:53
【问题描述】：

我需要从 3D numpy 立方体中删除最后一个数组。我有：

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

[[9,8,7],
 [6,5,4],
 [3,2,1]],

[[0,0,0],
 [0,0,0],
 [0,0,0]],

[[0,0,0],
 [0,0,0],
 [0,0,0]]])

如何使用np.delete 删除具有零子数组的数组，例如立方体底部的数组？

（我不能简单地删除所有零值，因为顶部的数据中会有零）

【问题讨论】：

发布的解决方案是否对您有用？对解决方案有何反馈？

标签： python numpy multidimensional-array cube

【解决方案1】：

对于 3D 立方体，您可以对照最后两个轴检查 all

a = np.asarray(a)
a[~(a==0).all((2,1))]

array([[[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]],

       [[9, 8, 7],
        [6, 5, 4],
        [3, 2, 1]]])

【讨论】：

如果专门寻找零，甚至可以使用a[a.any((2, 1))]，因为0 被认为等同于False。虽然加速可以忽略不计，但会使代码的可读性降低。

【解决方案2】：

这是删除尾随全零切片的一种方法，正如问题中提到的，我们希望将全零切片保留在顶部的数据中 -

a[:-(a==0).all((1,2))[::-1].argmin()]

示例运行 -

In [80]: a
Out[80]: 
array([[[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]],

       [[9, 8, 7],
        [6, 5, 4],
        [3, 2, 1]],

       [[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]],

       [[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]]])

In [81]: a[:-(a==0).all((1,2))[::-1].argmin()]
Out[81]: 
array([[[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]],

       [[9, 8, 7],
        [6, 5, 4],
        [3, 2, 1]]])

【讨论】：

【解决方案3】：

如果您已经知道它们在哪里，最简单的做法就是将它们切掉：

a[:-2]

结果：

array([[[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]],

       [[9, 8, 7],
        [6, 5, 4],
        [3, 2, 1]]])

【讨论】：

【解决方案4】：

希望这会有所帮助，

a_new=[] #Create a empty list
for item in a:
        if not (np.count_nonzero(item) == 0): #check if inner matrix is empty or not
            a_new.append(item) #appending to inner matrix to the list

a_new=np.array(a_new) #creating numpy matrix with removed zero elements

输出：

array([[[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]],

       [[9, 8, 7],
        [6, 5, 4],
        [3, 2, 1]]])

【讨论】：

【解决方案5】：

使用任何并选择:)

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

[[9,8,7],
 [6,5,4],
 [3,2,1]],

[[0,0,0],
 [0,0,0],
 [0,0,0]],

[[0,0,0],
 [0,0,0],
 [0,0,0]]])
a[a.any(axis=2).any(axis=1)]

【讨论】：