過濾 numpy 字符數組

Question

我有一個 numpy 字母和“-”數組 - 它可能有數萬行和數千列。 我想將所有的“-”向右移動（不改變其他字母的順序），然后截斷數組，以便沒有一列包含所有的“-”。 我正在尋找一個快速的解決方案，也許巧妙地使用內置的 numpy 例程。

背景：
數組中的每一行實際上是一個基因序列，其中“-”是隨機插入的，原因在這里並不重要。 我實際上可以將所有序列保存為字符串，而不是處理數組，用“-”填充它們以匹配最大非平凡序列長度，然后轉換為數組。 然而這結果相當緩慢，這就是為什么我正在尋找一種從字母數組開始的聰明方法，這很容易作為np.array(aln)獲得，其中aln是序列 biopython alignment object。

更新
這是一個例子，希望能澄清這個問題。 如果我從數組開始

np.array([['-', 'A', 'C', '-', 'T'], ['A', 'G', '-', 'T', 'T']])

我希望它被轉換為

np.array([['A', 'C', 'T', '-', '-'], ['A', 'G', 'T', 'T', '-']])

並最終

np.array([['A', 'C', 'T', '-'], ['A', 'G', 'T', 'T']])

Answer 1

看看這是否適合你

import numpy as np

data = np.array([['-', 'A', 'C', '-', 'T'], ['A', 'G', '-', 'T', 'T']])
new_data = np.tile('-', data.shape)

longest_line = 0
for i, line in enumerate(data):
    not_dash = line != '-'
    n_characters = sum(not_dash)
    new_data[i, :n_characters] = line[not_dash]
    longest_line = n_characters if n_characters > longest_line else longest_line

new_data = new_data[:, :longest_line]

輸出

>>> new_data
array([['A', 'C', 'T', '-'],
       ['A', 'G', 'T', 'T']], dtype='<U1')

Answer 2

這部分不清楚“我想過濾所有右側的'-'（不混合其他字母），然后截斷數組”

如果您只是嘗試刪除每個“-”，則可以使用掩碼，例如

import numpy as np
a = np.array([ 'w', '-' ,'-', 'x','-' ,'y', 'z' ])
b = a[~np.isin(a, '-')]

output 將是['w' 'x' 'y' 'z']

更新：
在您解釋之后，我建議先使用列表來表示您的數據，然后您可以對其進行過濾並將其轉換為 numpy 數組

import numpy as np
myList = [['-', 'A', 'C', '-', 'T'], ['A', 'G', '-', 'T', 'T']]
fil = [ [i for i in x if i != '-'] for x in myList]
length = max(map(len, fil))
myArr =np.array([xi+[None]*(length-len(xi)) for xi in fil])

Output：myArr

[['A' 'C' 'T' None]
 ['A' 'G' 'T' 'T']]