Answers:
对于列表,您可以使用列表组合。例如,要制作不含第3个元素b
的副本a
:
a = range(10)[::-1] # [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
b = [x for i,x in enumerate(a) if i!=3] # [9, 8, 7, 5, 4, 3, 2, 1, 0]
这是非常通用的方法,可用于所有可迭代对象,包括numpy数组。如果您替换[]
为()
,b
将是一个迭代器,而非列表。
或者,您可以通过以下方式就地完成此操作pop
:
a = range(10)[::-1] # a = [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
a.pop(3) # a = [9, 8, 7, 5, 4, 3, 2, 1, 0]
在numpy中,您可以使用布尔索引来做到这一点:
a = np.arange(9, -1, -1) # a = array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])
b = a[np.arange(len(a))!=3] # b = array([9, 8, 7, 5, 4, 3, 2, 1, 0])
通常,这比上面列出的列表理解要快得多。
>>> l = range(1,10)
>>> l
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> l[:2]
[1, 2]
>>> l[3:]
[4, 5, 6, 7, 8, 9]
>>> l[:2] + l[3:]
[1, 2, 4, 5, 6, 7, 8, 9]
>>>
也可以看看
如果您使用的是numpy,则我认为最接近的是使用蒙版
>>> import numpy as np
>>> arr = np.arange(1,10)
>>> mask = np.ones(arr.shape,dtype=bool)
>>> mask[5]=0
>>> arr[mask]
array([1, 2, 3, 4, 5, 7, 8, 9])
如果itertools
没有,可以达到类似的效果numpy
>>> from itertools import compress
>>> arr = range(1,10)
>>> mask = [1]*len(arr)
>>> mask[5]=0
>>> list(compress(arr,mask))
[1, 2, 3, 4, 5, 7, 8, 9]
np.arange(len(arr)) != 3
掩码之类的东西,因为这样可以将其内联,例如arr[~(np.arange(len(arr)) == 3)]
,等等。
使用np.delete
!它实际上并没有删除任何内容
例:
import numpy as np
a = np.array([[1,4],[5,7],[3,1]])
# a: array([[1, 4],
# [5, 7],
# [3, 1]])
ind = np.array([0,1])
# ind: array([0, 1])
# a[ind]: array([[1, 4],
# [5, 7]])
all_except_index = np.delete(a, ind, axis=0)
# all_except_index: array([[3, 1]])
# a: (still the same): array([[1, 4],
# [5, 7],
# [3, 1]])
我将提供一种功能(不变)的方法。
做到这一点的标准和简单方法是使用切片:
index_to_remove = 3
data = [*range(5)]
new_data = data[:index_to_remove] + data[index_to_remove + 1:]
print(f"data: {data}, new_data: {new_data}")
输出:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
使用清单理解:
data = [*range(5)]
new_data = [v for i, v in enumerate(data) if i != index_to_remove]
print(f"data: {data}, new_data: {new_data}")
输出:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
使用过滤功能:
index_to_remove = 3
data = [*range(5)]
new_data = [*filter(lambda i: i != index_to_remove, data)]
输出:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
使用遮罩。屏蔽由标准库中的itertools.compress函数提供:
from itertools import compress
index_to_remove = 3
data = [*range(5)]
mask = [1] * len(data)
mask[index_to_remove] = 0
new_data = [*compress(data, mask)]
print(f"data: {data}, mask: {mask}, new_data: {new_data}")
输出:
data: [0, 1, 2, 3, 4], mask: [1, 1, 1, 0, 1], new_data: [0, 1, 2, 4]
使用Python标准库中的itertools.filterfalse函数
from itertools import filterfalse
index_to_remove = 3
data = [*range(5)]
new_data = [*filterfalse(lambda i: i == index_to_remove, data)]
print(f"data: {data}, new_data: {new_data}")
输出:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
numpy.concatenate
。