Cómo eliminar columnas en numpy.array

Question

Me gustaría eliminar columnas seleccionadas en numpy.array. Esto es lo que hago:

n [397]: a = array([[ NaN, 2., 3., NaN], 
    .....:  [ 1., 2., 3., 9]]) 

In [398]: print a 
[[ NaN 2. 3. NaN] 
[ 1. 2. 3. 9.]] 

In [399]: z = any(isnan(a), axis=0) 

In [400]: print z 
[ True False False True] 

In [401]: delete(a, z, axis = 1) 
Out[401]: 
array([[ 3., NaN], 
     [ 3., 9.]]) 

En este ejemplo, mi objetivo es eliminar todas las columnas que contienen NaN. Espero que el último comando para dar como resultado:

array([[2., 3.], 
     [2., 3.]]) 

¿Cómo puedo hacer eso?

Answer 1

dado su nombre, creo que la forma estándar debe ser delete:

import numpy as np 

A = np.delete(A, 1, 0) # delete second row of A 
B = np.delete(B, 2, 0) # delete third row of B 
C = np.delete(C, 1, 1) # delete second column of C 

Answer 2

Esto crea otro matriz sin esas columnas:

b = a.compress(logical_not(z), axis=1) 

Answer 3

Otra forma es utilizar matrices enmascarados:

import numpy as np 
a = np.array([[ np.nan, 2., 3., np.nan], [ 1., 2., 3., 9]]) 
print(a) 
# [[ NaN 2. 3. NaN] 
# [ 1. 2. 3. 9.]] 

El método np.ma.masked_invalid devuelve una matriz enmascarado con nans y INFS enmascarados Salida:

print(np.ma.masked_invalid(a)) 
[[-- 2.0 3.0 --] 
[1.0 2.0 3.0 9.0]] 

El método np.ma.compress_cols devuelve una matriz 2-D con cualquier columna contienen ing un valor enmascarado suprimida:

a=np.ma.compress_cols(np.ma.masked_invalid(a)) 
print(a) 
# [[ 2. 3.] 
# [ 2. 3.]] 

Ver manipulating-a-maskedarray

Answer 4

Ejemplo de the numpy documentation:

>>> a = numpy.array([[ 0, 1, 2, 3], 
       [ 4, 5, 6, 7], 
       [ 8, 9, 10, 11], 
       [12, 13, 14, 15]]) 

>>> numpy.delete(a, numpy.s_[1:3], axis=0)      # remove rows 1 and 2 

array([[ 0, 1, 2, 3], 
     [12, 13, 14, 15]]) 

>>> numpy.delete(a, numpy.s_[1:3], axis=1)      # remove columns 1 and 2 

array([[ 0, 3], 
     [ 4, 7], 
     [ 8, 11], 
     [12, 15]]) 

Answer 5

En su situación, puede extraer los datos deseados con:

a[:, -z] 

"z" es la negación lógica de la matriz booleana "z". Esto es lo mismo que:

a[:, logical_not(z)] 

Answer 6

De Numpy Documentation

np.delete (arr, obj, eje = None) devolver una nueva matriz con sub-series a lo largo de un eje eliminado.

>>> arr 
array([[ 1, 2, 3, 4], 
     [ 5, 6, 7, 8], 
     [ 9, 10, 11, 12]]) 
>>> np.delete(arr, 1, 0) 
array([[ 1, 2, 3, 4], 
     [ 9, 10, 11, 12]]) 

>>> np.delete(arr, np.s_[::2], 1) 
array([[ 2, 4], 
     [ 6, 8], 
     [10, 12]]) 
>>> np.delete(arr, [1,3,5], None) 
array([ 1, 3, 5, 7, 8, 9, 10, 11, 12]) 

Answer 7

>>> A = array([[ 1, 2, 3, 4], 
       [ 5, 6, 7, 8], 
       [ 9, 10, 11, 12]]) 

>>> A = A.transpose() 

>>> A = A[1:].transpose() 

Answer 8

Extracción de columnas de la matriz que contienen NaN. Esta es una respuesta larga, pero espero que sea fácil de seguir.

def column_to_vector(matrix, i): 
    return [row[i] for row in matrix] 
import numpy 
def remove_NaN_columns(matrix): 
    import scipy 
    import math 
    from numpy import column_stack, vstack 

    columns = A.shape[1] 
    #print("columns", columns) 
    result = [] 
    skip_column = True 
    for column in range(0, columns): 
     vector = column_to_vector(A, column) 
     skip_column = False 
     for value in vector: 
      # print(column, vector, value, math.isnan(value)) 
      if math.isnan(value): 
       skip_column = True 
     if skip_column == False: 
      result.append(vector) 
    return column_stack(result) 

### test it 
A = vstack(([ float('NaN'), 2., 3., float('NaN')], [ 1., 2., 3., 9])) 
print("A shape", A.shape, "\n", A) 
B = remove_NaN_columns(A) 
print("B shape", B.shape, "\n", B) 

A shape (2, 4) 
[[ nan 2. 3. nan] 
[ 1. 2. 3. 9.]] 
B shape (2, 2) 
[[ 2. 3.] 
[ 2. 3.]]