数组常用操作中np.delete用法

一、函数

np.delete(array,obj,axis)

二、函数的意思

array:需要处理的矩阵

obj:需要处理的位置（索引），比如取0或1就代表要删除的第一行或者第二行

axis:

如果输入为None：array会先按行展开，然后按照obj，删除对应这个索引位置的数（索引从0开始），返回一个行矩阵。

如果输入为0：按行删除

如果输入为1：按列删除

三、代码例子

1、axis输入为None

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
a_1 = np.delete(a,2,None) #按行展开后，删除第2 +1个数，因为是从0开始的
print(a_1)

2、axis输入为0，表示删除一行

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
a_1 = np.delete(a,0,0)  #删除第一行
print(a_1)

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
a_1 = np.delete(a,[0,1],0)
print(a_1)

3.axis输入为1

import numpy as np
a = np.array([[1,2,7],[3,4,8],[5,6,9]])
a_1 = np.delete(a,0,1) #删除第一列
print(a_1)

import numpy as np
a = np.array([[1,2,7],[3,4,8],[5,6,9]])
a_1 = np.delete(a,[0,2],1)
print(a_1)

4. 一般用时会将np.delete和np.where相结合，即obj参数有np.where代替：

np.where有两种用法
1）.np.where(condition,x,y) 当where内有三个参数时，第一个参数表示条件，当条件成立时where方法返回x，当条件不成立时where返回y
2）.np.where(condition) 当where内只有一个参数时，那个参数表示条件，当条件成立时，where返回的是每个符合condition条件元素的索引,返回的是以元组的形式，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。
具体去看np.where()的使用方法

#velo的shape是(4, 1791)，表示有1791个lidar点，4分别表示是x，y，z，intensity。下面这行代码的意思就是过滤不满足z的点。
velo = np.delete(velo,np.where(velo[2,:]<-1.73),axis=1)#kitti的lidar高度为1.73，过滤地面的点