Numpy 在python中从测试标签中删除零符

我已经训练了一个模型，我想通过将错误划分到我的数据集的测试标签中，找到它的准确度（以百分比为单位）。但是，测试标签中有一些零值，这说明缺少这些值。因此，将相应的误差除以这些值将导致无穷大

mape = 100 * (errors / y_test)
# Calculate and display accuracy
accuracy = 100 - np.mean(mape)
print('Accuracy:', round(accuracy, 2), '%.')

上面的代码段将打印“inf”作为输出。我应该设法去掉“y_测试”系列中的零值。一种方法是找到该序列中零值的索引，然后删除错误数组中的相应值

现在，我想知道如何编写一个代码来删除第二列等于零的元素

---

如果您知道一些更明智的方法来计算模型精度，同时注意缺少的值，请向他们指出

我将使用

y\u test

为两个数组创建布尔索引：

idx = y_test != 0
mape = 100 * (errors[idx] / y_test[idx])
# Calculate and display accuracy
accuracy = 100 - np.mean(mape)
print('Accuracy:', round(accuracy, 2), '%.')

---

非常感谢你。那正是我想要的

idx = y_test != 0
mape = 100 * (errors[idx] / y_test[idx])
# Calculate and display accuracy
accuracy = 100 - np.mean(mape)
print('Accuracy:', round(accuracy, 2), '%.')