pitone - NumPy - eliminando più righe e colonne da una matrice

Question

Diciamo ho un matrice quadrata come ingresso:

array([[0, 1, 1, 0], 
     [1, 1, 1, 1], 
     [1, 1, 1, 1], 
     [0, 1, 1, 0]]) 

voglio contare i nonzeros nella matrice dopo rimozione delle righe 2 e 3 e colonne 2 e 3. Successivamente voglio fare lo stesso per le righe 3 e 4 e colonne 3 e 4. Quindi l'uscita dovrebbe essere:

0 # when removing rows/cols 2 and 3 
3 # when removing rows/cols 3 and 4 

Ecco la soluzione ingenua utilizzando np.delete:

import numpy as np 
a = np.array([[0,1,1,0],[1,1,1,1],[1,1,1,1],[0,1,1,0]]) 
np.count_nonzero(np.delete(np.delete(a, (1,2), axis=0), (1,2), axis=1)) 
np.count_nonzero(np.delete(np.delete(a, (2,3), axis=0), (2,3), axis=1)) 

Ma np.delete restituisce un nuovo array. Esiste un metodo più veloce, che comporta l'eliminazione di righe e colonne contemporaneamente? Si può usare il mascheramento? La documentation su np.delete legge:

Spesso è preferibile utilizzare una maschera booleano.

Come faccio a farlo? Grazie.

Answer 1

Invece di eliminare le colonne e le righe che non si desidera, è più facile per selezionare quelli che non desidera. Si noti inoltre che è normale iniziare a contare le righe e le colonne da zero. Per ottenere il primo esempio, si vuole così a selezionare tutti gli elementi in righe 0 e 3 e nelle righe 0 e 3. Questo richiede advanced indexing, per i quali è possibile utilizzare la ix_ utility function:

In [25]: np.count_nonzero(a[np.ix_([0,3], [0,3])]) 
Out[25]: 0 

Per il secondo esempio, si vogliono selezionare le righe 0 e 1 e le colonne 0 e 1, che può essere fatto utilizzando basic slicing:

In [26]: np.count_nonzero(a[:2,:2]) 
Out[26]: 3 

Answer 2

Non è necessario modificare l'array originale eliminando righe/colonne, per contare il numero di elementi diversi da zero. È sufficiente utilizzare l'indicizzazione,

a = np.array([[0,1,1,0],[1,1,1,1],[1,1,1,1],[0,1,1,0]]) 
irows, icols = np.indices(a.shape) 
mask = (irows!=2)&(irows!=3)&(icols!=2)&(icols!=3) 
np.count_nonzero(a[mask])