虽然delete是在numpy模块下的一个函数,但是它却并不能很好的处理ndarray类型的对象,真正的处理对象类型是list
下面举例说明
import numpy as np
a = np.array([[1, 3, 4], [3, 5, 6], [0, 0, 0], [0, 0, 0]])
print(type(a))
print('初始a为\n', a)
np.delete(a, 2, 0) # 删除a数组的第2行数据,axis=0对应删除行操作;axis=1对应删除列操作
print('执行删除操作后,a为:\n', a)
b = [[1, 2, 3], [2, 3, 4], [4, 5, 6]]
print('b初始类型为:', type(b))
print('初始b为\n', b)
b = np.delete(b, -1, axis=1) # 删除b列表的最后一列
print('执行删除操作后,b为:\n', b)
print('执行删除操作后,b类型为:', type(b))
执行代码,得到如下结果。可以发现,a矩阵在执行删除操作前后没有发生任何变化(数值和类型);而b则由初始的list类型变成了操作后的ndarray类型,并且相应列被删除。
<class 'numpy.ndarray'>
初始a为
[[1 3 4]
[3 5 6]
[0 0 0]
[0 0 0]]
执行删除操作后,a为:
[[1 3 4]
[3 5 6]
[0 0 0]
[0 0 0]]
b初始类型为: <class 'list'>
初始b为
[[1, 2, 3], [2, 3, 4], [4, 5, 6]]
执行删除操作后,b为:
[[1 2]
[2 3]
[4 5]]
执行删除操作后,b类型为: <class 'numpy.ndarray'>
所以,如果真的想对ndarray类型数组进行删除操作,不如尝试一下切片。
举例:
# 若要删除a矩阵后面两个全零行,且事先不清楚从哪行开始为全零行
for i in range(a.shape[0]):
if a[i].all() == 0:
break
a_new = a[:i]
print(a_new)
结果:
[[1 3 4]
[3 5 6]]
—竹儿
如您发现任何错误或有任何想法,欢迎在评论区指正交流