如何删除二维矩阵中具有0值的前n列/行？
关于上一个问题：
删除2D矩阵中的全零行
import numpy as np
data = np.array([[4, 1, 1, 2, 0, 4],
[3, 4, 3, 1, 4, 4],
[1, 4, 3, 1, 0, 0],
[0, 4, 4, 0, 4, 3],
[0, 0, 0, 0, 0, 0]])
data = data[~(data==0).all(1)]
print(data)
输出：
[[4 1 1 2 0 4]
[3 4 3 1 4 4]
[1 4 3 1 0 0]
[0 4 4 0 4 3]]
好的，到目前为止还不错，但是如果我添加空列呢？
data = np.array([[0, 4, 1, 1, 2, 0, 4],
[0, 3, 4, 3, 1, 4, 4],
[0, 0, 1, 4, 3, 1, 0],
[0, 0, 4, 4, 0, 4, 3],
[0, 0, 0, 0, 0, 0, 0]])
输出为
[[0 4 1 1 2 0 4]
[0 3 4 3 1 4 4]
[0 1 4 3 1 0 0]
[0 0 4 4 0 4 3]]
这不是我想要的。
基本上如果我的矩阵是：
[[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 4, 1, 1, 2, 0, 4, 0],
[0, 0, 3, 4, 3, 1, 4, 4, 0],
[0, 0, 1, 4, 3, 1, 0, 0, 0],
[0, 0, 0, 4, 4, 0, 4, 3, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0]]
我期待的输出是
[[4 1 1 2 0 4]
[3 4 3 1 4 4]
[1 4 3 1 0 0]
[0 4 4 0 4 3]]
共有2个答案
您可以使用scipy。ndimage。测量。查找对象：
import numpy as np
from scipy.ndimage.measurements import find_objects
data = np.array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 4, 1, 1, 2, 0, 4, 0],
[0, 0, 3, 4, 3, 1, 4, 4, 0],
[0, 0, 1, 4, 3, 1, 0, 0, 0],
[0, 0, 0, 4, 4, 0, 4, 3, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0]])
data[find_objects(data.astype(bool))[0]]
#array([[4, 1, 1, 2, 0, 4],
# [3, 4, 3, 1, 4, 4],
# [1, 4, 3, 1, 0, 0],
# [0, 4, 4, 0, 4, 3]])
这里有一个方法-
def reduced_box(a):
# Store shape info
M,N = a.shape
# Mask of valid places in the array
mask = a!=0
# Get boolean array with at least a valid one per row
m_col = mask.any(1)
# Get the starting and ending valid rows with argmax.
# More info : https://stackoverflow.com/a/47269413/
r0,r1 = m_col.argmax(), M-m_col[::-1].argmax()
# Repeat for cols
m_row = mask.any(0)
c0,c1 = m_row.argmax(), N-m_row[::-1].argmax()
# Finally slice with the valid indices as the bounding box limits
return a[r0:r1,c0:c1]
样品运行-
In [210]: a
Out[210]:
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 4, 1, 0, 2, 0, 4, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 1, 4, 0, 1, 0, 0, 0],
[0, 0, 0, 4, 0, 0, 4, 3, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0]])
In [211]: reduced_box(a)
Out[211]:
array([[4, 1, 0, 2, 0, 4],
[0, 0, 0, 0, 0, 0],
[1, 4, 0, 1, 0, 0],
[0, 4, 0, 0, 4, 3]])
-
问题内容： 我有N维向量数组。 我正在使用sklearn的函数来计算距离值矩阵。注意，该矩阵关于对角线对称。 我需要与该矩阵中前N个值相对应的索引，因为这些索引将与成对索引相对应，它们代表了向量之间的最大距离。 我尝试做以获得每一行中最大值的索引，并获取每一列中最大值的索引，但是请注意： 和： 因为矩阵是关于对角线对称的，并且因为argmax返回它找到的具有最大值的第一个索引，所以我最终在行和列匹
-
问题内容： 我试图创建此代码以输入m x n矩阵。我打算输入，但是代码产生了。当我输入其他m×n矩阵时，也会发生相同的情况，代码会产生行数相同的m×n矩阵。 也许您可以帮助我找到我的代码有什么问题。 问题答案： 问题出在初始化步骤上。 这段代码实际上使您的每一行都引用相同的对象。如果任何列中的任何项目发生更改-其他所有列都将发生变化： 您可以在嵌套循环中初始化矩阵，如下所示： 或者，通过使用列表理
-
我目前有以下问题，给定一个数组，为了简单起见，假设一个4 x 4数组（我实际上正在使用512 x 512） 我想在数组周围循环/滑动，这样我就可以在表单中保存新数组 < code>np.array([3，5]，[7，6])，np.array([2，4]，[8，8])，np.array([1，6]，[2，1])，np.array ([7，7]，[1，4])等等(理想情况下，我可以选择我的“滑动”窗口
-
我有一个矩阵就像 现在我想删除每列的3个最大值，这样我就有了一个包含7行的新矩阵 我尝试为每列创建向量，然后用 然后把向量放到一个新的矩阵中，但由于我的矩阵有时有很多列，我想找到一种更简单的方法<谢谢你的帮助
-
我正在解决一个程序设计的挑战，在一个2D NxN矩阵中寻找最长的递增子序列的长度。在序列的每个元素中，行和列都必须增加（不需要连续）。本文用动态规划方法求解，但它是O(n^4)，效率低。然而，在O(n^3)中有许多解。一种这样的解决办法是： 有人能解释一下它的工作原理或其他O(n^3)方法吗？我根本听不懂：（。
-
本文向大家介绍如何在R中创建具有随机值的矩阵？，包括了如何在R中创建具有随机值的矩阵？的使用技巧和注意事项，需要的朋友参考一下 通常，使用给定值创建矩阵，但是如果我们要创建具有随机值的矩阵，则将对矩阵函数使用常规方法。R中的随机选择可以根据我们的目标以多种方式完成，例如，如果要从正态分布中随机选择值，则将使用rnorm函数并将其存储在矩阵中，然后将其传递到矩阵函数中。 示例 输出结果 示例 输出结