python不改变二维数组相对位置，得到对应行（列/元素）满足条件的新数组

python不改变二维数组相对位置，得到对应行（列）满足条件的新数组

有时候，程序中会用到不改变二维数组相对位置，得到元素满足对应条件的行。

比如，给定一个坐标数组，要求剔除掉x，y坐标不满足>0条件的坐标。

引子：一维数组

对于一维数组来说，实现这个功能很简单。有多种方法可以选择。

方法一：直接法

A = np.array([1,2,3,4,5,6,0,-2,7,8,9])
result = A[A>0]
# 输出：array([1,2,3,4,5,6,7,8,9])。可以看到已经删掉了小于0的元素 
print(result) 

方法二：where()+数组切片

通过np.where()函数获取满足条件的元素所在的位置，然后利用数组切片找出。

A = np.array([1,2,3,4,5,6,0,-2,7,8,9])
ind = np.where(A>0)
result = A[ind]
# 输出：array([1,2,3,4,5,6,7,8,9])。可以看到已经删掉了小于0的元素 
print(result) 

二维数组

对于二维数组来说，使用上边两个方法都会导致数组展开成一维的，如下。

#首先生成一个2行6列的随机整数组
A= np.random.randint(-4,4,(2,6))
print("A:",A)#每次运行生成的数组不一样
#方法一：
ind = np.where(A>0)
result1 = A[ind]
print("result1:",result1)

#方法二：
result2 = A[A>0]
print("result2:",result2)

#方法三：同方法二，只是使用了array.nonzero()函数寻找非0索引
ind = A.nonzero()
result3 = A[ind]
print("result3:",result3)

运行结果：

A：
[[ 1 -3  0  1  3  2]
 [ 0  1  1 -3  0  2]]
result1:
array([1, 1, 3, 2, 1, 1, 2])
result2:
array([1, 1, 3, 2, 1, 1, 2])
result3:
array([1, 1, 3, 2, 1, 1, 2])

可以看到，以上三种方法都改变了数组本来的结构。展成了一维数组。

要想维持数组本来的结构，就需要用到 all() 和 any() 函数。

他们的实现原理是：对数组中的每个元素判断的逻辑值再按行（列）进行一个逻辑合并。

可选参数：axis

• axis =0 列。
• axis = 1行。

两两组合之下，可以灵活地实现四种功能。比如，对于一个二维数组A来说：

A= np.array([[1,-3,0,1,3,2],[0,1,1,-3,0,2]])
print("A:",A)

ind1 = (A>0).all(0)#找出所有元素都大于零的列索引
res1 = A[:,ind1] #得到A元素中每个元素均大于0的列
print("res1:",res1)

ind2 = (A>0).any(0)#找出任一元素大于零的列索引
res2 = A[:,ind2]#得到A元素中任一元素大于0的列
print("res2:",res2)

ind3 = (A>0).all(1)#找出所有元素都大于零的行索引
res3 = A[ind3,:]#得到A元素中所有元素都大于0的行
print("res3:",res3)

ind4 = (A>0).any(1)#找出任一元素大于零的行索引
res4 = A[ind4,:]#得到A元素中任一元素大于0的行
print("res4:",res4)

返回结果如下：

A: [[ 1 -3  0  1  3  2]
 [ 0  1  1 -3  0  2]]
 
res1: 
[[2]
 [2]]
 
res2:
 [[ 1 -3  0  1  3  2]
 [ 0  1  1 -3  0  2]]
 
res3: []

res4: 
[[ 1 -3  0  1  3  2]
 [ 0  1  1 -3  0  2]]

---

最后，补充一下MATLAB实现类似功能的语句：B = A(:,all(A > 0,1)) ，两者很相似，但是从语法简洁性来看，还是MATLAB更简洁一点。革命尚未成功，python仍需努力啊！