![](/img/trans.png)
[英]How do I remove all elements from a numpy array that are equal to zero in another array?
[英]How do I remove all zero elements from a NumPy array?
我有一个rank-1 numpy.array
,我想制作一个箱线图。 但是,我想排除数组中所有等于零的值。 目前,我通过循环数组来解决此问题,如果不等于零,则将值复制到新数组中。 但是,由于数组包含86 000 000个值,而且我必须多次执行此操作,因此需要大量的耐心。
有没有更聪明的方式来做到这一点?
对于NumPy数组a
,您可以使用
a[a != 0]
提取不等于零的值。
在这种情况下,您要使用掩码数组,它可以保持数组的形状,并且可以被所有numpy和matplotlib函数自动识别。
X = np.random.randn(1e3, 5)
X[np.abs(X)< .1]= 0 # some zeros
X = np.ma.masked_equal(X,0)
plt.boxplot(X) #masked values are not plotted
#other functionalities of masked arrays
X.compressed() # get normal array with masked values removed
X.mask # get a boolean array of the mask
X.mean() # it automatically discards masked values
简单的代码行即可为您提供一个排除所有“ 0”值的数组:
np.argwhere(*array*)
例:
import numpy as np
array = [0, 1, 0, 3, 4, 5, 0]
array2 = np.argwhere(array)
print array2
[1, 3, 4, 5]
我想建议您在这种情况下简单地使用NaN
,在这种情况下,您将忽略一些值,但仍希望保持过程统计尽可能有意义。 所以
In []: X= randn(1e3, 5)
In []: X[abs(X)< .1]= NaN
In []: isnan(X).sum(0)
Out[: array([82, 84, 71, 81, 73])
In []: boxplot(X)
您可以使用布尔数组建立索引。 对于NumPy数组A
:
res = A[A != 0]
您可以使用上述布尔数组索引 , bool
类型转换, np.nonzero
或np.where
。 这是一些性能基准测试:
# Python 3.7, NumPy 1.14.3
np.random.seed(0)
A = np.random.randint(0, 5, 10**8)
%timeit A[A != 0] # 768 ms
%timeit A[A.astype(bool)] # 781 ms
%timeit A[np.nonzero(A)] # 1.49 s
%timeit A[np.where(A)] # 1.58 s
我决定比较这里提到的不同方法的运行时间。 我为此使用了我的库simple_benchmark
。
使用array[array != 0]
进行布尔索引似乎是最快(也是最短)的解决方案。
对于较小的数组,MaskedArray方法与其他方法相比非常慢,但是与布尔索引方法一样快。 但是,对于中等大小的数组,它们之间没有太大区别。
这是我使用的代码:
from simple_benchmark import BenchmarkBuilder
import numpy as np
bench = BenchmarkBuilder()
@bench.add_function()
def boolean_indexing(arr):
return arr[arr != 0]
@bench.add_function()
def integer_indexing_nonzero(arr):
return arr[np.nonzero(arr)]
@bench.add_function()
def integer_indexing_where(arr):
return arr[np.where(arr != 0)]
@bench.add_function()
def masked_array(arr):
return np.ma.masked_equal(arr, 0)
@bench.add_arguments('array size')
def argument_provider():
for exp in range(3, 25):
size = 2**exp
arr = np.random.random(size)
arr[arr < 0.1] = 0 # add some zeros
yield size, arr
r = bench.run()
r.plot()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.