Come rimuovere elementi specifici in una serie numpy

Question

Come posso rimuovere alcuni elementi specifici da una matrice numpy? Dire che ho

import numpy as np 

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

allora voglio per rimuovere 3,4,7 da a. Tutto quello che so è l'indice dei valori (index=[2,3,6]).

Answer 1

Usa numpy.delete() - restituisce un nuovo gamma con sub-array lungo un asse cancellato

numpy.delete(a, index) 

Per la vostra domanda specifica:

import numpy as np 

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

new_a = np.delete(a, index) 

print(new_a) #Prints `[1, 2, 5, 6, 8, 9]` 

Nota che numpy.delete() restituisce un nuovo array dal array scalars sono immutabile, simile alle stringhe in Python, quindi ogni volta che viene apportata una modifica, viene creato un nuovo oggetto. Vale a dire, per citare il delete()docs:

"A copy of arr with the elements specified by obj removed. Note that delete does not occur in-place..."

Se il codice che ho post è uscita, è il risultato della esecuzione del codice.

Answer 2

Un array Numpy è immutable, il che significa che tecnicamente non è possibile eliminare un elemento da esso. Tuttavia, è possibile costruire una nuova gammasenza i valori che non si desidera, in questo modo:

b = np.delete(a, [2,3,6]) 

Answer 3

Non essendo una persona NumPy, ho preso un colpo con:

>>> import numpy as np 
>>> import itertools 
>>> 
>>> a = np.array([1,2,3,4,5,6,7,8,9]) 
>>> index=[2,3,6] 
>>> a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))]))) 
>>> a 
array([1, 2, 5, 6, 8, 9]) 

Secondo i miei test, questo sovraperforma numpy.delete(). Non so perché sarebbe il caso, forse a causa delle piccole dimensioni della matrice iniziale?

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))" 
100000 loops, best of 3: 12.9 usec per loop 

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "np.delete(a, index)" 
10000 loops, best of 3: 108 usec per loop 

Questa è una differenza piuttosto significativo (in direzione opposta a quello che mi aspettavo), qualcuno ha qualche idea del perché questo sarebbe il caso?

Ancora più stranamente, passando a numpy.delete() un elenco si comporta in modo peggiore di un ciclo attraverso l'elenco e dandogli singoli indici.

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "for i in index:" " np.delete(a, i)" 
10000 loops, best of 3: 33.8 usec per loop 

Modifica: sembra avere a che fare con la dimensione dell'array. Con array di grandi dimensioni, numpy.delete() è notevolmente più veloce.

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))" 
10 loops, best of 3: 200 msec per loop 

python -m timeit -s "import numpy as np" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "np.delete(a, index)" 
1000 loops, best of 3: 1.68 msec per loop 

Ovviamente, questo è tutto abbastanza irrilevante, come si dovrebbe sempre andare per la chiarezza ed evitare di reinventare la ruota, ma ho trovato un po 'interessante, quindi ho pensato di lasciarla qui.

Answer 4

C'è una funzione incorporata numpy per aiutare con quello.

import numpy as np 
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) 
>>> b = np.array([3,4,7]) 
>>> c = np.setdiff1d(a,b) 
>>> c 
array([1, 2, 5, 6, 8, 9]) 

Answer 5

Se non si conosce l'indice, non è possibile utilizzare logical_and

x = 10*np.random.randn(1,100) 
low = 5 
high = 27 
x[0,np.logical_and(x[0,:]>low,x[0,:]<high)]