Numpy删除3d数组中的列答案

【问题标题】：Numpy delete column out of 3d ArrayNumpy删除3d数组中的列
【发布时间】：2018-01-27 15:52:48
【问题描述】：

我有一个 3d Numpy 数组，例如：

array = np.array([[[1,2],[3,4]],[[0,5],[6,7]]])
=[[[1 2]
   [3 4]]
  [[0 5]
   [6 7]]]

我想删除同一列中的元素，例如第 1 列。所以结果应该是：

=[[[1]
   [3]]
  [[0]
   [6]]]

我尝试了 np.delete 功能：

print np.delete(array[:][:],1,axis=1)

但它并没有产生预期的结果，而是我得到：

=[[[1 2]]
  [[0 5]]]

我在 np 文档(Link) 中找到了这个：

np.delete(array, np.s_[::2], 1)

但这似乎只删除了奇数，我不知道如何修改它。 np.s 函数上的文档也没有让我更进一步。

任何帮助将不胜感激！

【问题讨论】：

因为这是一个3d数组，你应该删除axis=2。

标签： python arrays numpy multidimensional-array

【解决方案1】：

你的数组是一个三维数组，所以如果你想删除最后一个索引的索引为1的项目，你应该使用：

np.delete(array[:][:], 1, <b>axis=2</b>)

请注意，您确实不需要需要[:][:] 部分：这将无效，因此您可以使用：

np.delete(<b>array</b>, 1, axis=2)

这将生成：

>>> np.delete(array, 1, axis=2)
array([[[1],
        [3]],

       [[0],
        [6]]])

【讨论】：

如何从每个二维数组中只删除一个元素？
@mLstudent33：numpy 数组只能存储“矩形”数据，那么如何从二维数组中删除一个元素？
Van Onsen，谢谢，我通过在 for 循环中删除一行的列索引来制作副本以复制到。

【解决方案2】：

使用 axis= [0, 1] 删除在您使用 2d 数组时有效。随着尺寸的增加，相应的轴值也应该增加。这应该可以。

np.delete(array[:][:], 1, axis=2)

【讨论】：

【解决方案3】：

您可以很好地使用基本切片，因为np.delete() 实际上并没有删除原始数组中的任何内容。相反，它会返回一份（您所请求的内容的副本）。

In [242]: arr
Out[242]: 
array([[[1, 2],
        [3, 4]],

       [[0, 5],
        [6, 7]]])

# select both slices, select all rows but only first column
In [243]: arr[:, :, :1]
Out[243]: 
array([[[1],
        [3]],

       [[0],
        [6]]])

# same case as above but you can omit the `:`s with a single `...`
In [244]: arr[..., :1]
Out[244]: 
array([[[1],
        [3]],

       [[0],
        [6]]])

# sanity check for no copy made
In [245]: (arr[..., :1]).flags
Out[245]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False   # <=========== NO copy
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

但是，如前所述，np.delete() 将结果作为副本返回。

In [246]: np.delete(arr[:][:], 1, axis=2).flags
Out[246]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True    # <========= Its own copy
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

但是，如果您从原始数组切片，则在对结果进行任何更改时必须小心，以免意外更改原始数组。

【讨论】：