Cara menghapus kolom di numpy.array

Mengingat namanya, menurut saya cara standarnya adalah delete:

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

Menurut laman dokumentasi numpy, parameter untuk numpy.delete adalah sebagai berikut:

numpy.delete(arr, obj, axis=None)

• arr mengacu pada larik masukan,
• obj mengacu pada sub-array mana (misalnya nomor kolom/baris atau potongan array) dan
• axis mengacu pada operasi penghapusan berdasarkan kolom (axis = 1) atau berdasarkan baris (axis = 0).

Contoh dari dokumentasi numpy:

>>> 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]])

Cara lain adalah dengan menggunakan array bertopeng:

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.]]

Metode np.ma.masked_invalid mengembalikan array bertopeng dengan nans dan infs yang disamarkan:

print(np.ma.masked_invalid(a))
[[-- 2.0 3.0 --]
 [1.0 2.0 3.0 9.0]]

Metode np.ma.compress_cols mengembalikan array 2-D dengan kolom apa pun yang berisi nilai bertopeng disembunyikan:

a=np.ma.compress_cols(np.ma.masked_invalid(a))
print(a)
# [[ 2.  3.]
#  [ 2.  3.]]

Lihat manipulasi-a-maskedarray

Ini menciptakan array lain tanpa kolom tersebut:

  b = a.compress(logical_not(z), axis=1)

Dari Dokumentasi Numpy

np.delete(arr, obj, axis=None) Mengembalikan array baru dengan sub-array sepanjang sumbu yang dihapus.

>>> 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])

Dalam situasi Anda, Anda dapat mengekstrak data yang diinginkan dengan:

a[:, -z]

"-z" adalah negasi logis dari array boolean "z". Ini sama dengan:

a[:, logical_not(z)]

Menghapus kolom Matriks yang berisi NaN. Ini jawaban yang panjang, tapi mudah-mudahan mudah diikuti.

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.]]