numpy:切片2列

Question

考虑以下数据：

61 1 1 15.04 14.96 13.17 13.17 13.67 13.67 10.25 10.83 12.58 18.50 15.04 1 2 14.88 10.83 6.50 12.62 7.67 11.04 9.79 9.67 17.54 13.83 1 3 18.88 12.33 10.13 6.17 10.17 8.04 8.50 7.67 12.75 12.71

前三栏分别是年、月和日。

其余12根柱子是当天一个国家12个地点的平均风速(以节为单位)。

我想要做的是丢失第2和第3列(索引1和2)，以便获得以下数据：

61 15.04 14.96 13.17 13.29 13.96 13.67 10.25 10.83 12.58 18.50 15.04 16.88 10.88 6.62 7.67 11.04 10.79 9.67 17.54 13.58 13.88 12.33 12.13 11.17 6.17 11.25 8.04 8.50 7.67 12.75 12.71 8.50 7.67 12.71

以下的工作，但我不喜欢它，因为它不会规模，如果我有很多列(即许多地点)的数据。

import numpy as np
data = np.loadtxt('wind.data')
data_nomonth_noday = data[:,[0,3,4,5,6,7,8,9,10,11,12,13,14]]

是否可以在不枚举列号的情况下实现它？我能用切片来实现吗？

Answer 1

您可以使用r_轻松地生成索引数组。

In [165]: np.r_[0,3:15]                                                                  
Out[165]: array([ 0,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

在被子底下，它只是在做

In [166]: np.concatenate([[0],np.arange(3,15)])                                          
Out[166]: array([ 0,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

np.delete虽然方便，但最终的工作量也是一样的。根据删除索引的不同，它将连接片段，或者构造选择掩码。

不管方法如何，结果都是一个新数组，包含所需数据的副本(而不是视图)。

loadtxt接受采用类似列索引数组的usecols参数。

Answer 2

可以为此使用 [numpy-doc]，并使用slice对象作为参数来删除：

>>> np.delete(data, slice(1, 3), 1)
array([[61.  , 15.04, 14.96, 13.17,  9.29, 13.96,  9.87, 13.67, 10.25,
        10.83, 12.58, 18.5 , 15.04],
       [61.  , 14.71, 16.88, 10.83,  6.5 , 12.62,  7.67, 11.5 , 10.04,
         9.79,  9.67, 17.54, 13.83],
       [61.  , 18.5 , 16.88, 12.33, 10.13, 11.17,  6.17, 11.25,  8.04,
         8.5 ,  7.67, 12.75, 12.71]])

当使用切片表示法时，遮罩下面基本上传递了一个slice对象。实际上，a[1:3]等同于a[slice(1,3)]。

此外，这里的1指定了我们要删除的维度。由于我们希望删除第二个维度的数据，因此我们将1作为第三个参数。

Answer 3

这应该是可行的：

import numpy as np
data = np.loadtxt('wind.data')
data_nomonth_noday = np.zeros((data.shape[0],data.shape[1]-2))
data_nomonth_noday[:,0] = data[:,0]
data_nomonth_noday[:,1:] = data[:,3:]

在我看来，这比其他一些可能的方法更易读、更灵活、更直观。