numpy tricks(二)—— 刪除多維陣列的行或列
- numpy 下的多維陣列,如果要刪除其中的某些行,或某些列,不可以用置空的方式,進行設定;
- A[1, :] = None, ⇒ 會將 A 中的第一行資料全部置為 Nan
1. 使用切片(slice)
比如刪除第一行:
B = A[1:, :]
注意此時得到的 B 是 A 通過切片索引的方式得到的,也即 B 相當於 A 的一個檢視(view),此時對 B 的任何修改操作,也會順帶修改 A 中的相應資料。
2. 使用 mask
刪除第 0 列和第 2 列:
mask = [True]*A.shape[1]
mask[0, 2] = False
B = A[:, mask]
3. 使用 np.delete()
對於一個二維陣列,axis=0,表示行,axis=1,表示列
這裡刪除第 0 行,第 2 行,第 4 行:
np.delete(A, [0, 2, 4], axis=0)
相關推薦
numpy tricks(二)—— 刪除多維陣列的行或列
numpy 下的多維陣列,如果要刪除其中的某些行,或某些列,不可以用置空的方式,進行設定; A[1, :] = None, ⇒ 會將 A 中的第一行資料全部置為 Nan 1. 使用切片(slice) 比如刪除第一行: B = A[1:, :]
【python】Python + C/C++ 嵌入式程式設計(1):多維陣列Numpy.Array()在Python和C/C++檔案間的傳遞問題
Python 提供了豐富的 C API 函式,我們使用這些 C API 函式可以實現將 Python 檔案中的函式、類等在 C/C++ 檔案中進行呼叫,從而使得我們可以方便地使用 Python 程式碼來幫助我們實現一些額外的需求(如:嵌入神經網路模型)。 網上已經有很多
bootstrap File Input 多檔案上傳外掛使用記錄(二)刪除原檔案
在上一篇文章中,主要介紹了file input外掛的初始化和多檔案同步上傳到伺服器的相關配置等。這篇主要介紹file input外掛的編輯等。 使用場景: 在後臺管理框架中,一條資料中包含不固定的多張圖片屬性,然後需要同其他資料一起做增刪改查。多檔案同時新增上一篇已經做過了
QT 全域性變數(多檔案使用一個變數) VECTOR(二維陣列行、列未知)
為完成數值分析課的程式設計作業,自己需要編寫一個由使用者來輸入線性方程組係數矩陣以及線性方程組維數,然後由程式來給出方程組的解這麼一個小程式。考慮到周圍同學都是在DOS黑色螢幕下來實現程式的執行,自己想是否可以編寫一個介面來實現這一功能,由使用者在介面中來輸入維
Hibernate框架之路(二)一對多關系
true pre conn 關系 編寫 none isp exce dia 在下列案例中: 客戶是一;聯系人是多;客戶可以擁有多個聯系人;一個聯系人只有一個客戶 1、編寫實體類 package com.pojo; import java.util
Numpy知識(二)
ndarray的簡單數學計算就和普通的a+b,a-b,a*b,a/b等類似。 關於ndarray的切片: arr[n]:尋找第n個元素(針對一維)arr[n:m]:從下標為n元素開始,擷取到下標為m-1的位置ndarray的廣播賦值: arr[n:m] = x 從下標為n元素開始,擷取到下標為m-1的
hibernate 級聯刪除時候的兩種情況 之(二) 刪除從表,無法刪除關係表
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
Tensorflow(1)進行多維矩陣的拆分與拼接
最近在使用tensorflow進行網路訓練的時候,需要提取出別人訓練好的卷積核的部分層的資料。由於tensorflow中的tensor和python中的list不同,無法直接使用加法進行拼接,後來發現一個函式可以完成tensor的拼接。 函式形式如下: tf.concat(concat
Python 多執行緒、多程序 (二)之 多執行緒、同步、通訊
Python 多執行緒、多程序 (一)之 原始碼執行流程、GIL Python 多執行緒、多程序 (二)之 多執行緒、同步、通訊 Python 多執行緒、多程序 (三)之 執行緒程序對比、多執行緒 一、python多執行緒 對於I/O操作的時候,程序與執行緒的效能差別不大,甚至由於執行緒更輕量級,效能更高
FastCube.Net元件教程(一):多維資料集
在本文中將瞭解FastCube.Net庫中包含的元件,元件列表: Cube——從檔案載入多維資料集並用資料填充它的主要元件; CubeGrid——用於顯示多維資料集的所有資料; CubeGridToolbar——是CubeGrid的工具欄; Slice——包含多維資料切片; Slice
C程式設計--指標(用 “ 函式 ” 對 “ 多維陣列 ” 進行操作)
用指向陣列的指標做函式的引數 問題描述 有一個班,3個學生,各4門課,計算總平均分以及第n個學生的成績。 程式碼實現 #include<stdio.h> void average(float *p,int n);//
Numpy入門(二)Numpy常用函式
常用函式 1 檔案讀寫 import numpy as np i2 = np.eye(2) i2 array([[1., 0.], [0., 1.]]) i2.dtype dtype('float64') np.s
Tensorflow(二)單機多卡分散式訓練
建立分散式訓練: # 計算losses: with tf.device('/gpu:0'): D_real_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=D_logit_real,
多執行緒(二)Java多執行緒,啟動四個執行緒,兩個執行加一,另外兩個執行減一
public class Test { public static void main(String[] args) { final ShareData data = new ShareData(); for (int i = 0; i < 2; i++) {
語法分析器(二) 識別多錯誤 Java版
在上次實驗的基礎上進行改進,能夠識別多個錯誤,本文的只進行了部分資料的測試,所以可能會有其他錯誤識別不出來 部分缺失的程式碼請參考我之前寫的部落格,可以檢視完整的程式碼 package codescanner; import java.util.ArrayList;
python3 Numpy 基礎(二)
基本操作 陣列上運算子應用於元素。 In [58]: a = np.array([2,3,4,5]) In [59]: b = np.arange(4) In [60]: b Out[60]
Python學習之Numpy基礎(二)
一:判斷array中的值是否滿足條件vector = numpy.array([10, 20, 30, 40, 50]) equal_to_ten = (vector == 10) print(equal_to_ten)列印結果:[ True False False Fals
python資料分析——numpy基礎(二)
1、陣列轉置和軸對稱 import numpy as np import numpy.random as np_random print '轉置矩陣' arr = np.arange(15).reshape((3, 5)) print arr print a
Numpy學習(二)——Matplotlib基礎
Matplotlib 基礎 Matplotlib是一個類似Matlab的工具包,主要用來畫圖,主頁地址為:Matplotlib # 匯入 matplotlib 和 numpy: %pylab Using matplotlib backend: TkAg
Numpy基礎(二)
Numpy作為科學計算的基礎包,那就理所應當的有計算方面的優勢,今天就來吧啦一下Numpy的計算 算數運算子 陣列的第一類運算是使用算術運算子進行的運算。最顯而易見的就是陣列加上或者乘以一個標量 In [1]: import numpy as n