如何同时删除numpy中某些索引处的列和行

Question

我有这样一个方阵：

[[0, 516, 226, 853, 1008, 1729, 346, 1353, 1554, 827, 226, 853, 1729, 1008],
[548, 0, 474, 1292, 1442, 2170, 373, 1801, 1989, 1068, 474, 1292, 2170, 1442],
[428, 466, 0, 1103, 1175, 1998, 226, 1561, 1715, 947, 0, 1103, 1998, 1175],
[663, 1119, 753, 0, 350, 1063, 901, 681, 814, 1111, 753, 0, 1063, 350],
[906, 1395, 1003, 292, 0, 822, 1058, 479, 600, 1518, 1003, 292, 822, 0],
[1488, 1994, 1591, 905, 776, 0, 1746, 603, 405, 1676, 1591, 905, 0, 776],
[521, 357, 226, 1095, 1167, 1987, 0, 1552, 1705, 1051, 226, 1095, 1987, 1167],
[1092, 1590, 1191, 609, 485, 627, 1353, 0, 422, 1583, 1191, 609, 627, 485],
[1334, 1843, 1436, 734, 609, 396, 1562, 421, 0, 1745, 1436, 734, 396, 609],
[858, 1186, 864, 1042, 1229, 1879, 984, 1525, 1759, 0, 864, 1042, 1879, 1229],
[428, 466, 0, 1103, 1175, 1998, 226, 1561, 1715, 947, 0, 1103, 1998, 1175],
[663, 1119, 753, 0, 350, 1063, 901, 681, 814, 1111, 753, 0, 1063, 350],
[1488, 1994, 1591, 905, 776, 0, 1746, 603, 405, 1676, 1591, 905, 0, 776],
[906, 1395, 1003, 292, 0, 822, 1058, 479, 600, 1518, 1003, 292, 822, 0]]

我需要同时删除a1 a2和a3索引列和行。 我怎样才能做到这一点？ 什么是整洁的方式？

请注意，我需要获得另一个方阵。 应删除同一索引处的行和列。 另请注意，当您删除行/列时，索引会发生偏移。 要么我也需要改变a1 ， a2 ， a3或者做一些更聪明的事情。

一个例子

方阵：

[[10,11,12,13],
 [14,15,16,17],
 [18,19,20,21],
 [22,23,24,25]]

删除第一个和第三个索引，结果是：

[[10,12],
 [18,20]]

Answer 1

如果您对其他软件包持开放态度， pandas可以让它变得简单：

import pandas as pd

to_drop = [a1,a2,a3]
out = pd.DataFrame(a).drop(to_drop).drop(to_drop, axis=1).to_numpy()

---

更新：示例数据上的代码输出

array([[10, 12],
   [18, 20]])

Answer 2

如果你只想要 numpy 并假设数组总是平方的：

a = np.array([[10,11,12,13], 
[14,15,16,17], 
[18,19,20,21], 
[22,23,24,25]])    
valid = [r for r in range(a.shape[0]) if r not in [1,3]] 
a[valid][:,valid]
>>>array([[10, 12],
   [18, 20]])

Answer 3

在 numpy 中试试这个方法。 np.ix_为您创建一个网格网格来索引 numpy 数组的列和行。 索引列表可以简单地通过获取set.difference的行范围与要删除的行/列的索引列表之间的set.difference来创建 -

sqm = np.array([[10,11,12,13],
 [14,15,16,17],
 [18,19,20,21],
 [22,23,24,25]])

rem = [1,3] #Rows/columns to remove

idx = list(set(range(sqm.shape[0])).difference(rem))
print('Rows/columns to keep:',idx)

output = sqm[np.ix_(idx,idx)]
print(output)

Rows/columns to keep: [0, 2]
 
array([[10, 12],
       [18, 20]])

---

编辑：下面为方阵 10000X10000 和 ~500 行/列添加了基准测试结果以删除。 (macbook pro 13)

sqm = np.random.random((10000,10000))
rem = np.unique(np.random.randint(0,10000,size=500))

• Quang Hoang 的方法- 每个循环 841 ms ± 8.19 ms（平均值 ± 标准偏差，7 次运行，每个循环 1 次）
• MBeale 的方法- 每个循环 1.62 s ± 48.9 ms（平均值 ± 标准偏差，7 次运行，每次 1 次循环）
• Akshay Sehgal 的方法- 每个循环 655 ms ± 19.4 ms（平均值 ± 标准差。7 次运行，每次 1 次循环）