18_NumPy数组ndarray中提取，删除满足条件的元素，行和列

将通过示例代码说明从NumPy数组ndarray中提取（获取）或删除满足条件的元素，行和列的方法。

在此对以下内容进行说明：

提取符合条件的元素
提取符合条件的行和列
- 使用numpy.all（）提取所有元素均满足条件的行和列
- 使用numpy.any（）提取具有至少一个满足条件的元素的行/列
删除符合条件的元素，行和列
- 使用否定运算符〜
- 使用numpy.delete（）和numpy.where（）
对于多种条件

当ndarray包含nan时，例如在读取缺少数据的csv文件时，请参考以下文章。

12_Numpy数组(ndarray)中缺失值(nan)的替换
13_Numpy数组(ndarray)中含有缺失值(nan)行和列的删除方法

如果要替换或计算满足条件的元素，请参考以下文章。

04_Numpy的函数np.where（）—满足条件的处理
17_NumPy数组ndarray中计算满足条件的元素的个数

提取符合条件的元素

如果要提取满足条件的元素，请使用ndarray [条件表达式]。

即使原始ndarray是多维数组，它也将返回一个展平的一维数组。

import numpy as npa = np.arange(12).reshape((3, 4))
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]print(a < 5)
# [[ True  True  True  True]
#  [ True False False False]
#  [False False False False]]print(a[a < 5])
# [0 1 2 3 4]print(a < 10)
# [[ True  True  True  True]
#  [ True  True  True  True]
#  [ True  True False False]]print(a[a < 10])
# [0 1 2 3 4 5 6 7 8 9]

返回一个新的数组ndarray，保留原来的ndarray不变。以下示例是相同的。

b = a[a < 10]
print(b)
# [0 1 2 3 4 5 6 7 8 9]print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

也可以计算满足条件的元素的总和（sum（），平均均值（），最大值max（），最小值min（）和标准差std（）。

print(a[a < 5].sum())
# 10print(a[a < 5].mean())
# 2.0print(a[a < 5].max())
# 4print(a[a < 10].min())
# 0print(a[a < 10].std())
# 2.8722813232690143

提取符合条件的行和列

在提取元素的示例中，返回了一个一维数组，但是如果使用np.all（），np.any（），则可以在保留原始ndarray尺寸的同时提取行和列。

将描述以下两种类型。

numpy.all（）：提取所有元素均满足条件的行/列
numpy.any（）：提取具有至少一个满足条件的元素的行/列

使用numpy.all（）提取所有元素均满足条件的行和列

np.all（）是一个函数，如果在第一个参数中传递的ndarray的所有元素均为True，则返回True，否则返回Flase。

如果传递参数轴，则每个轴（每个尺寸）的所有元素均为True时，将返回True。对于二维数组，axis = 0将是列的结果，而axis = 1将是行的结果。

print(a < 5)
# [[ True  True  True  True]
#  [ True False False False]
#  [False False False False]]print(np.all(a < 5))
# Falseprint(np.all(a < 5, axis=0))
# [False False False False]print(np.all(a < 5, axis=1))
# [ True False False]print(a < 10)
# [[ True  True  True  True]
#  [ True  True  True  True]
#  [ True  True False False]]print(np.all(a < 10, axis=0))
# [ True  True False False]print(np.all(a < 10, axis=1))
# [ True  True False]

将每个结果提供给行或列索引参考[行，列]时，将提取所需的行/列。在[line，：]的情况下，可以省略尾随的::。

print(a[:, np.all(a < 10, axis=0)])
# [[0 1]
#  [4 5]
#  [8 9]]print(a[np.all(a < 10, axis=1), :])
# [[0 1 2 3]
#  [4 5 6 7]]print(a[np.all(a < 10, axis=1)])
# [[0 1 2 3]
#  [4 5 6 7]]

如果不满足条件，则返回一个空的ndarray。

print(a[:, np.all(a < 5, axis=0)])
# []

即使只有一行或一列，维数也不会改变。

print(a[np.all(a < 5, axis=1)])
# [[0 1 2 3]]print(a[np.all(a < 5, axis=1)].ndim)
# 2print(a[np.all(a < 5, axis=1)].shape)
# (1, 4)

使用numpy.any（）提取具有至少一个满足条件的元素的行/列

np.any（）是一个函数，如果在作为第一个参数传递的ndarray中至少有一个True元素，则返回True，否则返回Flase。

如果传递参数轴，则每个轴（每个尺寸）至少有一个True元素时，将返回True。对于二维数组，axis = 0将是列的结果，而axis = 1将是行的结果。

print(a < 5)
# [[ True  True  True  True]
#  [ True False False False]
#  [False False False False]]print(np.any(a < 5))
# Trueprint(np.any(a < 5, axis=0))
# [ True  True  True  True]print(np.any(a < 5, axis=1))
# [ True  True False]

可以按照与np.all（）相同的方式提取满足条件的行和列。

print(a[:, np.any(a < 5, axis=0)])
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]print(a[np.any(a < 5, axis=1)])
# [[0 1 2 3]
#  [4 5 6 7]]

删除符合条件的元素，行和列

如果要删除元素/行/列而不是根据条件提取（获取），则有以下两种方法。

使用否定运算符〜
使用numpy.delete（）和numpy.where（）

使用否定运算符〜

如果将负运算符〜添加到条件中，则将提取不满足条件的元素，行和列。这等效于删除满足条件的元素/行/列。

print(a[~(a < 5)])
# [ 5  6  7  8  9 10 11]print(a[:, np.all(a < 10, axis=0)])
# [[0 1]
#  [4 5]
#  [8 9]]print(a[:, ~np.all(a < 10, axis=0)])
# [[ 2  3]
#  [ 6  7]
#  [10 11]]print(a[np.any(a < 5, axis=1)])
# [[0 1 2 3]
#  [4 5 6 7]]print(a[~np.any(a < 5, axis=1)])
# [[ 8  9 10 11]]

使用numpy.delete（）和numpy.where（）

行和列也可以使用np.delete（）和np.where（）删除。

np.delete（）将目标ndarray，要删除的索引（行号，列号等）以及目标轴（维）轴设置为参数。

在二维数组的情况下，axis = 0删除行，而axis = 1删除列，这与上面的np.all（）和np.any（）不同。

print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]print(np.delete(a, [0, 2], axis=0))
# [[4 5 6 7]]print(np.delete(a, [0, 2], axis=1))
# [[ 1  3]
#  [ 5  7]
#  [ 9 11]]

np.where（）返回满足条件的元素的索引。

对于多维数组，它是满足每个维（行，列）条件的索引（行号，列号）列表的元组。

print(a < 2)
# [[ True  True False False]
#  [False False False False]
#  [False False False False]]print(np.where(a < 2))
# (array([0, 0]), array([0, 1]))print(np.where(a < 2)[0])
# [0 0]print(np.where(a < 2)[1])
# [0 1]

另请参阅以下有关np.where（）的文章。

04_Numpy的函数np.where（）—满足条件的处理

通过组合这两个功能，可以删除满足条件的行和列。

print(np.delete(a, np.where(a < 2)[0], axis=0))
# [[ 4  5  6  7]
#  [ 8  9 10 11]]print(np.delete(a, np.where(a < 2)[1], axis=1))
# [[ 2  3]
#  [ 6  7]
#  [10 11]]print(a == 6)
# [[False False False False]
#  [False False  True False]
#  [False False False False]]print(np.where(a == 6))
# (array([1]), array([2]))print(np.delete(a, np.where(a == 6)))
# [ 0  3  4  5  6  7  8  9 10 11]print(np.delete(a, np.where(a == 6)[0], axis=0))
# [[ 0  1  2  3]
#  [ 8  9 10 11]]print(np.delete(a, np.where(a == 6)[1], axis=1))
# [[ 0  1  3]
#  [ 4  5  7]
#  [ 8  9 11]]

如上例所示，删除甚至具有一个满足条件的元素的行/列（与使用np.any（）时相同）。

如果执行诸如计算由np.where（）获取的索引数之类的处理，则可以删除满足所有条件的行和列（与使用np.all（）时相同），但是np使用.all（）更容易。

对于多种条件

如果要组合多个条件，请将每个条件表达式括在（）中，并将其与＆或|连接。

print(a[(a < 10) & (a % 2 == 1)])
# [1 3 5 7 9]print(a[np.any((a == 2) | (a == 10), axis=1)])
# [[ 0  1  2  3]
#  [ 8  9 10 11]]print(a[:, ~np.any((a == 2) | (a == 10), axis=0)])
# [[ 0  1  3]
#  [ 4  5  7]
#  [ 8  9 11]]