Wie Spalten in numpy.array löschen
Frage
Ich möchte ausgewählte Spalten in einer numpy.array löschen. Das ist, was ich tue:
n [397]: a = array([[ NaN, 2., 3., NaN],
.....: [ 1., 2., 3., 9]])
In [398]: print a
[[ NaN 2. 3. NaN]
[ 1. 2. 3. 9.]]
In [399]: z = any(isnan(a), axis=0)
In [400]: print z
[ True False False True]
In [401]: delete(a, z, axis = 1)
Out[401]:
array([[ 3., NaN],
[ 3., 9.]])
In diesem Beispiel mein Ziel ist es, alle Spalten zu löschen, die Nans enthalten. Ich erwarte, dass der letzte Befehl ergeben:
array([[2., 3.],
[2., 3.]])
Wie kann ich das tun?
Lösung
In Anbetracht den Namen, ich glaube, der normale Weg delete
werden sollte:
import numpy as np
A = np.delete(A, 1, 0) # delete second row of A
B = np.delete(B, 2, 0) # delete third row of B
C = np.delete(C, 1, 1) # delete second column of C
Nach numpy Dokumentation Seite sind die Parameter für numpy.delete
wie folgt:
numpy.delete(arr, obj, axis=None)
-
arr
bezieht sich auf die Eingangsanordnung, -
obj
bezieht sich auf die Subarrays (z.B. Spalte / Zeile-Nr. Oder Scheibe der Anordnung) und -
axis
bezieht sich entweder auf spaltenweise (axis = 1
) oder zeilenweise (axis = 0
) löschen Betrieb.
Andere Tipps
Beispiel von der numpy Dokumentation :
>>> a = numpy.array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
>>> numpy.delete(a, numpy.s_[1:3], axis=0) # remove rows 1 and 2
array([[ 0, 1, 2, 3],
[12, 13, 14, 15]])
>>> numpy.delete(a, numpy.s_[1:3], axis=1) # remove columns 1 and 2
array([[ 0, 3],
[ 4, 7],
[ 8, 11],
[12, 15]])
Ein andere Möglichkeit ist maskierte Arrays zu verwenden:
import numpy as np
a = np.array([[ np.nan, 2., 3., np.nan], [ 1., 2., 3., 9]])
print(a)
# [[ NaN 2. 3. NaN]
# [ 1. 2. 3. 9.]]
Die np.ma.masked_invalid Methode gibt eine maskierte Array mit nans und Infs ausmaskiert:
print(np.ma.masked_invalid(a))
[[-- 2.0 3.0 --]
[1.0 2.0 3.0 9.0]]
Die np.ma.compress_cols Methode gibt ein 2-D-Array mit jeder Spalte A enthält, maskierter Wert unterdrückt:
a=np.ma.compress_cols(np.ma.masked_invalid(a))
print(a)
# [[ 2. 3.]
# [ 2. 3.]]
Dies erzeugt ein weiteres Array ohne diese Spalten:
b = a.compress(logical_not(z), axis=1)
np.delete (arr, OBJ, Achse = None) Gibt einen neuen Array mit Subanordnungen entlang einer Achse gelöscht.
>>> arr
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> np.delete(arr, 1, 0)
array([[ 1, 2, 3, 4],
[ 9, 10, 11, 12]])
>>> np.delete(arr, np.s_[::2], 1)
array([[ 2, 4],
[ 6, 8],
[10, 12]])
>>> np.delete(arr, [1,3,5], None)
array([ 1, 3, 5, 7, 8, 9, 10, 11, 12])
In Ihrer Situation können Sie die gewünschten Daten extrahieren mit:
a[:, -z]
"- z" ist die logische Negation des booleschen array "z". Dies ist das gleiche wie:
a[:, logical_not(z)]
>>> A = array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> A = A.transpose()
>>> A = A[1:].transpose()
Entfernen von Matrix Spalten, die NaN enthalten. Dies ist eine langwierige Antwort, aber hoffentlich leicht zu folgen.
def column_to_vector(matrix, i):
return [row[i] for row in matrix]
import numpy
def remove_NaN_columns(matrix):
import scipy
import math
from numpy import column_stack, vstack
columns = A.shape[1]
#print("columns", columns)
result = []
skip_column = True
for column in range(0, columns):
vector = column_to_vector(A, column)
skip_column = False
for value in vector:
# print(column, vector, value, math.isnan(value) )
if math.isnan(value):
skip_column = True
if skip_column == False:
result.append(vector)
return column_stack(result)
### test it
A = vstack(([ float('NaN'), 2., 3., float('NaN')], [ 1., 2., 3., 9]))
print("A shape", A.shape, "\n", A)
B = remove_NaN_columns(A)
print("B shape", B.shape, "\n", B)
A shape (2, 4)
[[ nan 2. 3. nan]
[ 1. 2. 3. 9.]]
B shape (2, 2)
[[ 2. 3.]
[ 2. 3.]]