05_Numpy任意行&列的删除方法（numpy.delete）

05_Numpy任意行&列的删除方法（numpy.delete）

函数Numpy.delete（）可以删除ndarray数组中任意的行或者列。

指定要删除的轴（维度）和要删除的位置（行号，列号）。也可以通过切片或列表选择多个行或者列的编号。

对以下的内容进行说明:

• Numpy.delete（）基本的使用方法

  • 删除指定的索引（行或者列）：参数obj
  • 删除指定的轴（维度）：参数axis

• 一次删除多行和多列

  • 列表的指定
  • 切片的指定
  • 行和列的指定

• 多维数组的例

Numpy.delete（）基本的使用方法

• Numpy.delete（arr,obj,axis=None）有以下3个参数：
  • arr:输入数组
  • obj:指定要通过的整数,切片或者列表（数组）删除的行号/列号
  • axis:要删除的轴

以下是2维数组的例：

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

稍后进行详细的说明，例如：当删除第2行时，obj=1且axis=0。此时原始数组不会被改变，而是创建该数组的新副本。

a_del = np.delete(a, 1, 0)
print(a_del)
# [[ 0  1  2  3]
#  [ 8  9 10 11]]

print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

删除指定的索引（行或者列）：参数obj

---

在第2个参数obj中，从0开始指定要删除的索引角标（行号/列号）,指定不存在的索引角标将返回错误。

print(np.delete(a, 0, 0))
# [[ 4  5  6  7]
#  [ 8  9 10 11]]

print(np.delete(a, 2, 0))
# [[0 1 2 3]
#  [4 5 6 7]]

# print(np.delete(a, 3, 0))
# IndexError: index 3 is out of bounds for axis 0 with size 3

删除指定的轴（维度）：参数axis

---

在第3个参数axis中，从0开始指定要删除的轴（维度）。对于二维数组来说，行是第一维度（从0开始）。指定不存在的维度将返回错误。

print(np.delete(a, 1, 0))
# [[ 0  1  2  3]
#  [ 8  9 10 11]]

print(np.delete(a, 1, 1))
# [[ 0  2  3]
#  [ 4  6  7]
#  [ 8 10 11]]

# print(np.delete(a, 1, 2))
# AxisError: axis 2 is out of bounds for array of dimension 2

如果axis=None，则将obj指定的索引处的元素展平到一维后将其删除。由于轴的默认值为"无"，因此如果省略的话，将执行默认的操作

print(np.delete(a, 1, None))
# [ 0  2  3  4  5  6  7  8  9 10 11]

print(np.delete(a, 1))
# [ 0  2  3  4  5  6  7  8  9 10 11]

一次删除多行和多列

如果在第二个参数obj中指定列表或切片，则可以一次删除多个行或列。

列表的指定

---

在列表中指定想要删除的行号或列号。

print(np.delete(a, [0, 3], 1))
# [[ 1  2]
#  [ 5  6]
#  [ 9 10]]

print(np.delete(a, [0, 1, 3], 1))
# [[ 2]
#  [ 6]
#  [10]]

切片的指定

---

[start:stop:step]格式来指定切片的范围，从而指定多个行或列。

Slice（）的使用：
使用Slice（）创建一个Slice对象，并在第2个参数obj中指定它。

如果只有1个参数，等效于[:stop],
如果只有2个参数，等效于[start:stop],
如果省略，则显式设置为None。

print(np.delete(a, slice(2), 1))
# [[ 2  3]
#  [ 6  7]
#  [10 11]]

print(np.delete(a, slice(1, 3), 1))
# [[ 0  3]
#  [ 4  7]
#  [ 8 11]]

print(np.delete(a, slice(None, None, 2), 1))
# [[ 1  3]
#  [ 5  7]
#  [ 9 11]]

np.s_的使用：
要以切片[start:stop:step]的形式描述时，也可以使用numpy.s_[]的书写方式（书写方式与Slice（）相同）。

print(np.delete(a, np.s_[:2], 1))
# [[ 2  3]
#  [ 6  7]
#  [10 11]]

print(np.delete(a, np.s_[1:3], 1))
# [[ 0  3]
#  [ 4  7]
#  [ 8 11]]

print(np.delete(a, np.s_[::2], 1))
# [[ 1  3]
#  [ 5  7]
#  [ 9 11]]

行和列的指定

---

numpy.delete（）无法一次删除多个维度（例如行和列）。要删除多个维度时，请重复使用numpy.delete（）。

print(np.delete(np.delete(a, 1, 0), 1, 1))
# [[ 0  2  3]
#  [ 8 10 11]]

多维数组的例

到目前位置，为了方便起，都是按照2维数组的行和列进行的描述。但是对于三维甚至更高维度的数组，该概念是相同的。

以下面的数组为例。

a_3d = np.arange(24).reshape(2, 3, 4)
print(a_3d)
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
# 
#  [[12 13 14 15]
#   [16 17 18 19]
#   [20 21 22 23]]]

print(a_3d.shape)
# (2, 3, 4)

在参数axis上指定维度，参数obj指定索引。

print(np.delete(a_3d, 1, 0))
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]]

print(np.delete(a_3d, 1, 1))
# [[[ 0  1  2  3]
#   [ 8  9 10 11]]
# 
#  [[12 13 14 15]
#   [20 21 22 23]]]

print(np.delete(a_3d, 1, 2))
# [[[ 0  2  3]
#   [ 4  6  7]
#   [ 8 10 11]]
# 
#  [[12 14 15]
#   [16 18 19]
#   [20 22 23]]]

使用列表和切片的方法也是相同的。

print(np.delete(a_3d, [0, 3], 2))
# [[[ 1  2]
#   [ 5  6]
#   [ 9 10]]
# 
#  [[13 14]
#   [17 18]
#   [21 22]]]

print(np.delete(a_3d, np.s_[::2], 2))
# [[[ 1  3]
#   [ 5  7]
#   [ 9 11]]
# 
#  [[13 15]
#   [17 19]
#   [21 23]]]