- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境配置
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 数组的创建和操作
- NumPy - 数组创建函数
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 数组迭代
- NumPy - 数组重塑
- NumPy - 数组连接
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和操作
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组操作
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 复制和视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 数组连接
- NumPy - 排序、搜索和计数函数
- NumPy - 数组搜索
- NumPy - 数组并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- NumPy - 加载数组
- NumPy - 保存数组
- NumPy - 向数组追加值
- NumPy - 交换数组列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 估算缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行向量化
- NumPy - 数组的内存布局
- NumPy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy delete() 函数
NumPy 的delete()函数用于返回一个新的数组,其中从输入数组中删除了指定的子数组。如果未提供axis参数,则在删除之前会先将输入数组展平。
此函数可用于从数组中删除元素、行或列。
语法
以下是 NumPy delete() 函数的语法:
Numpy.delete(arr, obj, axis)
参数
以下是 NumPy delete() 函数的参数:
- arr: 输入数组
- obj: 可以是切片,即整数或整数数组,指示要从输入数组中删除的子数组。
- axis: 要沿其删除给定子数组的轴。如果未给出,则输入数组 (arr) 将被展平。
示例 1
以下是 NumPy delete() 函数的基本示例,它删除索引为 5 的元素:
import numpy as np # Creating an array with shape (3, 4) a = np.arange(12).reshape(3, 4) print('First array:') print(a) print('\n') # Delete the element at index 5 from the flattened array print('Array flattened before delete operation as axis not used:') print(np.delete(a, 5))
输出
First array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Array flattened before delete operation as axis not used: [ 0 1 2 3 4 6 7 8 9 10 11]
示例 2
在此示例中,我们使用 delete() 函数从二维数组中删除特定列:
import numpy as np # Create a 3x4 array a = np.arange(12).reshape(3, 4) print('Original array:') print(a) print('\n') # Delete the second column (index 1) result = np.delete(a, 1, axis=1) print('Array after deleting column 2:') print(result)
输出
Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Array after deleting column 2: [[ 0 2 3] [ 4 6 7] [ 8 10 11]]
示例 3
我们可以使用切片从数组中删除多个元素。在下面的示例中,我们将切片模式作为参数传递给 delete() 函数以及输入数组:
import numpy as np # Create a 1D array a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) print('Original array:') print(a) print('\n') # Delete every second element result = np.delete(a, np.s_[::2]) print('Array after deleting every second element:') print(result)
输出
Original array: [ 1 2 3 4 5 6 7 8 9 10] Array after deleting every second element: [ 2 4 6 8 10]
numpy_array_manipulation.htm
广告